¿Hasta qué punto es posible predecir el fallo de una maquinaria? ¿La industria puede confiar su suerte a la inteligencia artificial? Estas preguntas surgen en torno a la implantación de tecnología basada en IA en un sector como el industrial, y la respuesta es más que positiva.
El mantenimiento predictivo es una meta que siempre ha sido la utopía de cualquier empresa: saber cuándo fallará una parte del proceso productivo para solucionar el problema antes de que ocurra. Cabe diferenciar dos procedimientos similares en cuanto a objetivos pero alejados en cuanto a precisión, que son el mantenimiento predictivo y el mantenimiento preventivo.
Mantenimiento preventivo
Esta es una metodología de trabajo que se ha llevado a cabo desde los inicios industriales. Se basa en establecer un cronograma para realizar tareas de mantenimiento a la maquinaria y así asegurarse continuamente de que no falla. El mantenimiento preventivo no tiene en cuenta si esa tarea es necesaria o no por lo que el personal puede realizar trabajo innecesario o bien hacerlo cuando es demasiado tarde.
Mantenimiento predictivo
“Predecir” de por sí es uno de los actos más difíciles para el ser humano que, sin embargo, a lo largo de la Historia siempre ha intentado llevar a cabo (con escaso éxito). Por suerte, la inteligencia artificial sí puede marcar predicciones exactas e indicar a la empresa cuándo es el momento necesario para hacer tareas de mantenimiento.
Esta tecnología es capaz de determinar el estado en el que se encuentra un tipo de maquinaria analizando todos los datos que esta desprende. Las ventajas para la empresa son tener un inventario más pequeño de piezas de repuesto, prevenir cualquier fallo inesperado en momentos cruciales, tener las instalaciones menos tiempo paradas y, principalmente, ser más eficaz en cuanto a costes de mantenimiento ahorrando horas de trabajo.
Cómo se consigue el mantenimiento predictivo con IA
La pieza fundamental de un mantenimiento predictivo es el análisis exacto de datos recogidos de diferentes fuentes. En el caso de la maquinaria sabemos que cuentan con decenas de sensores, procesadores y avisos. La clave está en aunar bajo un mismo sistema todos estos datos, que los algoritmos inteligentes se encargan de analizar para mostrar dónde puede estar el problema.
El apoyo del Internet de las cosas (IOT)
Probablemente la mejor característica que tiene la Inteligencia Artificial es la de poder “mezclar” diferentes tipos de datos y fuentes y procesarlos conjuntamente para sacar conclusiones comunes. Por ejemplo, siguiendo el ejemplo del mantenimiento predictivo, analicemos el entorno de una cinta de procesado de alimentos. Esta máquina se puede ver afectada por:
- Problemas en sistema operativo (software)
- Problemas físicos en sus engranajes
- Problemas con el entorno (demasiado frío o calor)
- Problemas por un mal uso humano
Todas estas diferentes fuentes de información pueden ser procesadas y analizadas por la Inteligencia Artificial, la cual facilita una respuesta común sobre su mantenimiento de forma predictiva, es decir, antes de que suceda el fallo.
Fases dentro del mantenimiento predictivo
Conseguir los datos “limpios” y trabajarlos
No se pueden diseñar dos tecnologías de mantenimiento predictivo iguales. En función de la industria, la maquinaria o las condiciones que la rodean serán más importantes unos datos u otros. Aquí entra en juego una correcta comunicación entre la empresa y los desarrolladores del proyecto para que tenga una buena adaptación al entorno real.
Enseñar a predecir
Una vez hemos sacado en claro qué necesita el sistema hay que otorgarle una función, en definitiva, darle un uso real a esos datos. En este caso es el de predecir. Para ello el sistema tiene que aprender en base a la experiencia y esto se consigue con:
- Histórico de reparaciones y tareas de mantenimiento: Tanto el cuándo como el porqué esa máquina ha necesitado una reparación.
- En qué condiciones se encuentra la máquina: Si está expuesta o no a mucho trabajo puede marcar patrones de envejecimiento necesarios para conocer la vida máxima de la misma.
- Análisis humano: Para sacar todo el potencial de la inteligencia artificial son tan importantes los datos digitales como los empíricos recogidos por las personas
- Elementos técnicos de la máquina: Cuándo se fabricó, cuándo se comenzó a utilizar, etc.
Visualizar el análisis y actuar en consecuencia
El proceso que acabamos de describir necesita la parte más importante que es la de convertir la complejidad en sencillez, para que la persona encargada del mantenimiento en última instancia sepa qué tiene que hacer. Esto se consigue a través de interfaces que muestren resultados y conclusiones extraídas de la maquinaria que indiqué qué falla y cómo solucionarlo.
¿Estamos ante la cuarta revolución industrial?
A nivel histórico, las revoluciones industriales siempre han marcado la evolución de la sociedad en su conjunto. Han traído consigo importantes cambios que indudablemente han mejorado la vida de las personas. En este caso, podemos estar ante una cuarta revolución dónde se ha conseguido reducir el trabajo humano (y el coste que este supone para la empresa) en lo puramente necesario.