Conceptos discutibles relativos al Condition Monitoring 4.

0
Published on 2018 M06 10

Francisco Ballesteros Robles

Reliability Sales Leader at Emerson

Vivimos una época donde prima lo inmediato, se reflexiona poco, está bien visto romper con el pasado,
clásico es sinónimo de obsoleto, ¡viva lo disruptivo!, vamos muy rápido, pero no miramos si vamos por el
camino correcto, eso hoy ya no importa, lo que importa es que lo que hagamos no se parezca a nada de lo
anterior, ¡esto es una revolución! En el mundo de la monitorización de la maquinaria industrial sucede lo
mismo, estamos viviendo tiempos de turbulencias.

Lo que se solicita hoy: IIoT, Low Cost, Wireless, Plug&Play, Foolproof, Online, Big Data, Machine Learning,
Artificial Intelligence...

Lo que se debería solicitar: Sistemas de monitorizado optimizados, ya sean wireless o cableados, atendidos
o desatendidos, online u offline, con inteligencia artificial o sin ella pero que encuentren los fallos (sin falsos
negativos), muy económicos o no tanto, porque no nos olvidemos que “low cost” no significa “mejor”.

En muy pocas ocasiones nos encontramos proyectos de monitorización donde se especifique el coste
máximo admisible (o justificable), los modos de fallo a detectar, la antelación requerida en las alertas y el
índice de fiabilidad en las detecciones de los fallos. La moda de la digitalización, cuarta revolución industrial
o Industria 4.0 ha generado ríos de tinta en blogs y revistas técnicas e incluso se han publicado artículos
sobre este tema en periódicos de tirada nacional. En esta vorágine de información han aparecido algunas
afirmaciones que no compartimos quienes llevamos años monitorizando maquinaria crítica. A continuación
se enumeran algunos de los conceptos discutibles en relación a la monitorización de maquinaria en el
ámbito de la Industria 4.0:

1. Se va a prescindir de los analistas. Si bien es cierto que el proceso de monitorización de maquinaria se irá
automatizando, la autonomía total de los sistemas de diagnóstico automático de maquinaria llegará, pero
no inmediatamente, pues se estima que tendremos que esperar unos lustros hasta que los sistemas de
diagnóstico automático igualen o superen a los analistas humanos.

2. El IIoT va a revolucionarlo todo. "IIoT es solo una palabra de moda para denominar los sensores instalados
en activos industriales" (Rajiv Anand, Artificial Intelligence: A primer for the reliability community). Hace
muchos años que las máquinas están instrumentadas con sensores y estos sensores se conectaron al DCS,
SCADA, CMS… Sensorizar máquinas no es una revolución, la revolución es que las máquinas se
diagnostiquen de forma autónoma y acierten en este diagnóstico automático.

3. Lo que realmente sirve es el dato crudo. Esto puede tener sentido cuando tratamos de monitorizar algún
parámetro relacionado con un modo de fallo sobre el cual no conocemos los patrones de comportamiento.
Pero cuando monitorizamos maquinaria rotativa, normalmente aplicamos la técnica del análisis de sus
vibraciones. Esta técnica está muy madura, pues lleva desarrollándose desde mediados del siglo pasado y
despreciarla es absurdo. Nos estamos encontrando que en la era de la digitalización el perfil del ingeniero
involucrado en los proyectos de I+D es más informático que electromecánico. El desconocimiento de
algunos ingenieros informáticos de estas técnicas les lleva a ignorarlas. La consecuencia es que se intenta
"reinventar la rueda” en un tema que se lleva años aplicando con éxito en la industria.

4. Quien mida el dato crudo, tendrá el “power”. Los datos se compartirán entre los sistemas. No habrá, al
menos en los próximos años, un único sistema capaz de monitorizarlo todo, pues los sistemas más efectivos
son desarrollados por los expertos en cada técnica de monitorización. Tendremos que combinar sistemas
que compartan información para obtener el sistema de monitorización óptimo. Quien quiera posicionarse
para obtener y no compartir datos, quedará automáticamente excluido de cualquier proyecto de
monitorización.

5. La pérdida de datos en la monitorización impide un resultado positivo. Actualmente se está monitorizando

manualmente la maquinaria rotativa mediante medidas trimestrales y los resultados son aceptables. No
olvidemos que si los fallos evolucionan lentamente, es decir, tenemos una curva P-F donde el punto P y el
F están distanciados en el tiempo, encontraremos los fallos con la antelación suficiente como para
programar la reparación antes de llegar al punto F (Según RCM, P: punto donde se detecta un fallo
mediante las técnicas predictivas; F: Punto donde se produce el fallo funcional). Si esto es efectivo, por qué
si aplicamos un sistema de monitorizado en continuo y realizamos medidas espectrales cada cinco
segundos y solamente guardamos en el histórico los datos donde se ha producido un cambio significativo
se interpreta que estamos perdiendo datos y ya no podremos realizar una monitorización adecuada. En la
monitorización clásica, no es que se pierdan datos, es que no son necesarios todos ellos. No todo ha de ser
complejo, los modos de fallo cuya monitorización ya esté resuelta no requieren técnicas de Machine
Learning para su detección.

6. Mejor si es low cost. Low cost relativo a los sistemas de monitorizado significa detectar menos modos de
fallo y con menor antelación. Esto ya lo expliqué en otro artículo que se puede consultar aquí. Están
apareciendo sistemas de monitorización low cost que reducen tanto su capacidad para detectar los fallos
con respecto a los sistemas de monitorizado clásicos, que probablemente sirvan para detectar un único
modo de fallo, el desequilibrio de rotores y poco más.

7. Es muy importante la calidad del dato. Esto aparece en todos los mensajes sobre digitalización, pero no
se profundiza más ni se determina de qué estamos hablando. ¿Estamos hablando de precisión en la
medida?, ¿repetibilidad?, ¿estabilidad en la operación de la máquina para conseguir datos comparables?
Esto no se identifica, porque en muchos casos ni se identifica qué es la calidad del dato. Se incluye en el
discurso porque se ha escuchado en alguna parte, pero sin profundizar para definir a qué se refieren.

8. No será necesario añadir más sensores a las máquinas para monitorizarlas, pues los algoritmos
de Machine Learning suplirán la falta de magnitudes físicas medidas. No se trata de hacer "algo" al mínimo
coste, sino de monitorizar la maquinaria de la forma más rentable. Y la forma más rentable, a veces, exige
invertir en el sistema que nos ofrecerá la detección de los fallos en el plazo necesario para programar las
intervenciones de mantenimiento. En función de los de los modos de fallo que queramos detectar y con
cuánta antelación, se analizará si se requiere añadir más sensores a la máquina que monitoricemos. Si
renunciamos a añadir sensores cuando sean necesarios, también renunciaremos a anticiparnos a algunos
modos de fallo propios de la máquina monitorizada.

9. Quien disponga de datos históricos podrá entrenar algoritmos de inteligencia artificial. Si los datos
históricos no están etiquetados convenientemente para que el algoritmo sepa cuándo la máquina se
encuentra en estado bueno o en estado de avería, esos datos no servirán para entrenar algoritmos.
Actualmente, la mayoría de los sistemas de monitorizado no está diseñados para guardar la información
etiquetada, luego se tardarán años en tener datos útiles para entrenar algoritmos de inteligencia artificial.

10. Se van a detectar todos los modos de fallo automáticamente. Mike Sondalini de Lifetime Reliability
Solutions describe más de 600 modos de fallo diferentes para un conjunto motor-bomba centrífuga. Si en
un equipo tan sencillo podemos encontrar este elevado número de modos de fallo, ¿qué sucederá en
maquinaria más compleja? Si además estamos primando el low cost, ¿se van a detectar los fallos con
suficiente antelación y certeza?, ¿se va crear la suficiente confianza como para modificar el plan preventivo
de una bomba a partir de la monitorización desatendida?

11. No es necesario utilizar hardware dedicado para monitorizar maquinaria. Otra de las premisas que se
escucha en relación al 4.0 es que ya no serán necesarios sistemas electrónicos dedicados para la
monitorización de la maquinaria, pues se podrá aplicar electrónica estándar (mucho más económica). No
voy a entrar a detalle en este punto porque habría que profundizar técnicamente para justificarlo, pero
comento lo siguiente: Si fuese algo tan sencillo, ¿por qué ningún fabricante de sistemas de monitorizado lo
hace?, ¿por qué diseñan y fabrican su propio hardware?, ¿por qué asumen esas inversiones y esos riesgos?

12. Todos los sistemas de Industria 4.0 serán SaaS (en el cloud). Si bien es cierto que la industria terminará
aceptando el modelo SaaS porque son muchas las ventajas que ofrece la computación en la nube, todavía
hoy quienes toman las decisiones sobre estos proyectos no están dispuestos a aceptar servidores con datos
propios fuera de su control y los recientes casos de fallo de seguridad de conocidas plataformas en la nube,
de momento dan la razón a los responsables de IT más conservadores.

13. La digitalización tiene como resultado el mantenimiento predictivo. Que se instale un sensor de vibración
en una máquina no quiere decir que se vaya a cambiar su estrategia de mantenimiento. Hemos visto de
todo:

 Sensores instalados y no conectados a ningún sistema.

 Sistemas de monitorizado instalados correctamente e ignorados.
 Sistemas que originan informes de diagnóstico predictivo correctos pero se sigue aplicando
mantenimiento a intervalos fijos.

El cambio en la estrategia de mantenimiento no llegará porque se instalen sensores en las máquinas, sino
porque las empresas que no inviertan en la optimización de la gestión de sus activos desaparecerán al ser
menos competitivas que las que sí se preocupen por la correcta gestión de sus activos y procesos
productivos.

14. Los nuevos sistemas serán más baratos. Los sistemas de inteligencia artificial para diagnóstico de
maquinaria no están maduros, ni lo van a estar en unos años. Hay todavía mucho por investigar y
desarrollar, ¿quién va a pagar esta fiesta? De momento, estos sistemas serán más caros que los sistemas
clásicos, pues requerirán una inversión en mano de obra muy cualificada para ir desarrollándolos y
ajustándolos. Nos surge la cuestión de si el mercado está dispuesto a pagar por un valor que no es fácil de
hacer visible a corto plazo. El beneficio se conseguirá a medio-largo plazo cuando los sistemas de
diagnóstico automático ahorren mano de obra de los analistas.

15. Y por último, el negocio. Una gran multinacional ya se ha visto obligada a sustituir a su CEO porque había
basado el negocio en crear unas expectativas con respecto al desarrollo del mercado de la Industria 4.0
que, al no cumplirse, estaban afectando al valor en bolsa de su compañía. Los proyectos que ignoren la
realidad de la industria y se basen en futuribles, como el de Jeff Immelt (ex CEO de GE), corren un riesgo
que los inversores no están dispuestos a asumir. Los inversores buscan un retorno para su inversión, no
financiar el desarrollo de la industria del futuro.

Conclusión

No pretendo acertar en mi análisis, sino abrir un debate entre quienes tenemos puntos de vista diferentes
sobre cómo abordar la era de la digitalización en los próximos años. La inteligencia artificial está ahí y se va
a incorporar a la industria, la cuestión es cómo y a qué ritmo. Los sistemas actuales de monitorización de
maquinaria evolucionan hacia sistemas con mediciones en tiempo real, fáciles de instalar,
autoconfigurables, que correlacionan distintas variables, con más alarmas y mejor ajustadas, con asistentes
de diagnóstico automático, con una mayor integración de la información, más intuitivos, con cuadros de
mando y aplicaciones sencillas de manejar para acceder a los datos actuales e históricos. Todo esto en
realidad ya existe, sólo hace falta que el mercado esté dispuesto a adquirirlo, a aplicarlo y a seguir
desarrollándolo.