Documentos de Académico
Documentos de Profesional
Documentos de Cultura
0
Jorge Iriarte
Dirección de trabajo: Km 10.5 Vía Bogotá – La Calera
LinkedIn: www.linkedin.com/in/Jorge-Iriarte
2
El Mantenimiento Preventivo está asociado a En la práctica, una vez se inspeccionan los
las rutinas de mantenimiento alimentadas entre equipos y mientras se recolecta y valida la
otros, por lineamientos de edad o uso de información de toda la planta, se analiza, se
equipos. emiten las recomendaciones y se le entregan
estas recomendaciones al ingeniero de
El Mantenimiento Predictivo, en cambio, usa confiabilidad o mantenimiento de la empresa
análisis de la condición de los equipos (CBM) dueña del equipo, pasan al menos, tres semanas.
para determinar si variables tales como
vibración, temperatura, calidad de lubricante, Afortunadamente, el aumento de capacidad de
refrigerante y variables eléctricas tiene una procesamiento con chips modulares llevó a la
tendencia o condición que recomienda solución del largo tiempo requerido para
intervención de equipos previendo un futuro analizar y procesar esa cantidad importante de
daño. información, llamada Big Data. Ver Fig. 2.
3
a su vez están soportados en las creados por ingenieros muy
leyes de la física. inteligentes, para asignar constantes
(tal vez mejor dicho Ponderaciones)
Es así como variables tales como a dichas variables.
las temperaturas, velocidades,
presiones, caudales, eficiencia, Esta resulta ser una forma más
rendimiento, entre otras, tienen un rápida, económica y muy acertada
valor esperado en función de las de hacer un modelo para explicar y
variables físicas de las cuales predecir el comportamiento de cada
dependen. También están a la mano máquina o sistema en particular.
las curvas de comportamiento que
ayudan a determinar una variable de, Aún si llegaran a presentarse fallas,
por ejemplo, altura de cabeza de con la ayuda de los técnicos se
salida en función de la velocidad de realimenta el sistema, y se minimiza
la bomba. Todos estos son modelos la propensión a la falla. Con esta
matemáticos que ayudan a predecir aproximación al modelo de una
o explicar el comportamiento de las máquina o sistema, a medida que
máquinas. Para lograr esto, fue pasa el tiempo, con más variables y
necesario el concurso de muchas más eventos, el modelo se vuelve
horas de científicos aplicando sus más “sabio”.
conocimientos para proponer y
probar sus teorías. Ahora, en lugar de esas ecuaciones
de derivadas parciales, de segundo
b. Modelamiento con Machine grado, potencializadas, con
Learning integrales, logaritmos o basados en
Euler que aquellos científicos nos
Después de identificar las variables regalaron, nos acostumbramos a
dependientes en la fórmula que trabajar con matrices, herramientas
describe el comportamiento en un estadísticas y tendencia
sistema o equipo, el siguiente reto
de los científicos para explicar el La facilidad de correlacionar y
comportamiento de las máquinas, hacer regresión de otras variables es
fue definir las constantes de esas una ventaja importante de este
variables. Hasta que llegó la modelamiento basado en Machine
inteligencia artificial. Learning. Mientras en el modelo
clásico se asumen muchas
El Machine Learning con la condiciones como por ejemplo que
Inteligencia Artificial, lo único que el sistema es lineal en cierto rango,
hacen es utilizar lógica booleana y en el modelo de Machine Learning,
matrices de variables se involucran variables externas
independientes que se observan en antes impensables en el modelo
un sistema o equipo, para, mediante clásico como intervenciones de
datos históricos de comportamiento, mantenimiento, pluviosidad,
correlacionar las variables, aplicar sismología, etc, que al ser
modelos estadísticos y algoritmos consideradas, pueden llegar a
4
aportar información valiosa para los procesamiento de datos se hace en la nube con
técnicos de mantenimiento y los los protocolos más robustos de seguridad y la
ingenieros de confiabilidad. información se transmite a demanda del
usuario en los sistemas fijos o móviles.
Ya con un modelo operando de esta
forma al servicio de los activos, 6. Resultados que se obtienen
sólo resta a los técnicos recibir
predicciones diarias de posibles Todo incremento de disponibilidad implica
fallas, con un valor de asertividad normalmente un incremento en
productividad, pero también en costos. Por
en la predicción y un tiempo
encima de 95% de disponibilidad, el costo
estimado para la ocurrencia de la
tiende además a incrementarse
falla, para de esta manera, acordar exponencialmente, ya que la mejora de la
con operaciones el mejor momento disponibilidad implica equipos más
de intervención y evitar que se robustos, mayor redundancia, más rutinas
llegue a tan indeseable suspensión de mantenimiento preventivo, más
de la operación. inspecciones, mayor disponibilidad de
técnicos y de repuestos.
5. Proceso de mantenimiento con
Inteligencia Artificial Con Inteligencia Artificial, se obtienen con
un costo marginal, los siguientes resultados:
El mantenimiento de activos sigue siendo
el mismo: el técnico continúa ejecutando • Económico incremento de la
las rutinas de mantenimiento preventivo disponibilidad y confiabilidad.
programada, atendiendo las rondas de • Menores costos de mantenimiento por
revisión de comportamiento en planta, evitar entrar en urgencias.
atendiendo requerimientos de operaciones • Mayor vida útil de los activos.
o integridad. La mejora está en que el • Conocimiento de los activos se quedan
dentro de la empresa dueña de estos.
mantenimiento predictivo se hace más ágil
• Menores tiempos muertos.
y, atendiendo la observación de la comisión
• Mayor productividad.
europea desde el año 2007, se empieza el
día revisando las recomendaciones de la Mediante:
aplicación de Inteligencia Artificial. Ver
figura 3. • Información recopilada directamente
• Mayor precisión en la información de
planta.
• Mejor programación de las
intervenciones de equipos.
• Predicción del comportamiento de
máquinas y equipos para proyectar un
mejor y más oportuno mantenimiento
7. Estrategia de implementación.
La recolección de la gran mayoría de los datos
se realiza automáticamente, con los sistemas La estrategia de implementación de
existentes o con los ahora muy económicos Inteligencia Artificial sigue los mismos
dispositivos de Internet de las Cosas (IoT). El lineamientos de la Transformación Digital,
5
sólo que, desde mantenimiento, se irradia a logrando cada vez, arrojar resultados
toda la empresa. sorprendentes para las áreas de mantenimiento,
en seis meses.
Es vital darle importancia a la forma como se
implementa pues aún siendo la mejor Esta anécdota fue relatada hace cerca de un año
tecnología, si se descuida la estrategia, puede por Mario Montag, el CEO y fundador de
terminar en la trastienda. Predikto: al entregar los resultados de la prueba
piloto de trenes de Alemania ante el grupo de
Se inicia el reconocimiento de indicadores en mantenimiento, se predecía el daño de unos
la línea base, para inmediatamente después rodamientos en cierto vagón, con algunos días
gestionar el cambio con líderes del área de de anticipación.
mantenimiento innovadores, quienes, en el
mejor de los casos, ven facilitado su trabajo Las sonrisas de miembros del grupo de
con la Inteligencia Artificial. Se hace prueba de mantenimiento eran abiertamente socarronas al
concepto y se involucra a más personas en un notar que una de las variables que sustentaban
piloto sobre equipos críticos, para más tarde, la predicción, con el quinto lugar de
extender la aplicación a otros equipos y correlación, era el número de veces que se
sistemas críticos. había descargado el inodoro.
Desde la prueba de concepto, los expertos de la Se cambió la sonrisa del grupo al explicárseles
empresa alimentan el modelo de Inteligencia que, ante la falta del número y peso de
Artificial con su conocimiento y pasajeros en el vagón, la matriz de Machine
realimentación. Learning correlacionó el número de descargas
de inodoro como una aproximación del número
8. Caso de éxito y peso de pasajeros, dato que claramente se
debería considerar en cualquier modelo de
Seguramente son de público conocimiento las comportamiento de un rodamiento de tren. Se
aplicaciones de Inteligencia Artificial entiende que los rodamientos se cambiaron a
aprobadas por la FDA norteamericana que tiempo.
pueden predecir si un paciente de hospital va a
sufrir un ataque cardíaco con seis horas de
anticipación o que diagnostican con mayor
precisión algunos tipos de cáncer con síntomas Referencias
registrados en hojas clínicas.
1. Inteligencia Artificial, Fundamentos,
Es el mismo principio de modelamiento de un prácticas y aplicaciones, Alberto García
sistema que permite predecir el resultado final, Serrano, Editorial Alfaomega 2ª edición.
en el futuro, con variables actuales, que se
comportan en ese sistema, como lo hace 2. Estándar PAS 55, The Optimized
históricamente. Management of Physical Infrastructure
Assets. The Institute of Asset
El caso idéntico al mantenimiento industrial Management. 2008.
que nos ocupa es el de la firma Predikto
(absorbida por United Technologies). Fue una 3. Norma ISO 55001 Asset management.
startup creada en el año 2013 que tuvo rotundo 2014
éxito en el uso de Inteligencia Artificial para
predecir los impactantes y costosos daños en el 4. The goal is Industry 4.0, Technologies
sistema de transporte ferroviario. Montó and trends of the fourth industrial
aplicaciones en Estados Unidos y Alemania,
6
revolution, Fran Yáñez, Independently
Published, 2017
7
Jorge Iriarte, Ingeniero Electrónico de la Universidad Distrital, especializado en administración de
empresas de la Universidad del Rosario, después de ejercer carrera en sistemas de control en
industrias como ingenios azucareros y generación de energía con vapor, entró al sector de
hidrocarburos en las disciplinas de telecomunicaciones y tecnología de información, migró al área
de operaciones donde fue calificado bajo el DOT 195 en Operaciones y Mantenimiento de
oleoductos. Experimentado en planeación, control y optimización de los sistemas de transporte de
crudo. Más de 20 años desarrollando procesos y equipos en empresas como Ocensa, Bicentenario y
ODL
Celular: 3102044856