¿Ha escuchado alguna vez las palabras «mantenimiento preventivo» o «mantenimiento predictivo»? En cuanto al mantenimiento de los equipos en las líneas de producción, el Internet de las cosas (IoT) ha llamado la atención recientemente. Además, estas dos palabras parecen ser similares y tienen significados diferentes. En esta sección se explica la definición general de las actividades de conservación, como el mantenimiento preventivo y el mantenimiento predictivo, la diferencia entre el mantenimiento preventivo y el mantenimiento predictivo, los beneficios del mantenimiento predictivo y la relación entre el mantenimiento predictivo y la computación perimetral.
¿Qué son las actividades de conservación?
¿Qué es una actividad de conservación? La JIS (Norma Industrial Japonesa) define las actividades de mantenimiento como «un término general para las actividades que eliminan las fallas y mantienen el equipo en condiciones normales y buenas, incluida la planificación, la inspección, el ajuste, la reparación, el reemplazo, etc.».
En otras palabras, se puede considerar como una influencia humana en la línea de producción para mantener el rendimiento de la línea de producción. Como se define en la JIS, las actividades de conservación se dividen en actividades de mantenimiento y actividades de mejora.
Las actividades de mantenimiento son actividades para mantener la calidad de los productos y el rendimiento de los equipos de producción, es decir, actividades para mantener el perfecto estado de las instalaciones de producción. Esto incluye el mantenimiento preventivo y reactivo. Por otro lado, las actividades de mejora se refieren a actividades como el «mantenimiento de mejoras», que revisa la maquinaria para evitar que se repita cuando se estropea, y la «prevención del mantenimiento», que reemplaza la maquinaria y el equipo para evitar averías y errores.
El mantenimiento preventivo es la prevención de fallos mediante inspecciones diarias y la sustitución de las piezas deterioradas antes de que se produzcan. Incluye mantenimiento predictivo y periódico. El mantenimiento de seguimiento se refiere a la restauración de la función del equipo cuando se descubre una falla en el equipo debido a un mal funcionamiento o similar. En otras palabras, se supone que se «reparará» cuando el equipo esté roto.
El mantenimiento periódico es el acto de determinar el ciclo en función de los registros de fallas y las características del equipo, y reemplazar e inspeccionar las piezas para cada ciclo. También se puede reformular diciendo que el mantenimiento se realiza en función del tiempo transcurrido. En general, el «mantenimiento preventivo» se refiere al mantenimiento periódico.
Por otro lado, el mantenimiento predictivo consiste en detectar o predecir el deterioro a partir del estado del equipo medido de forma continua y tomar las mejores medidas en el momento óptimo antes de que se produzca una falla. Se basa en el estado del dispositivo.
La principal diferencia entre el mantenimiento periódico y el mantenimiento predictivo es que el mantenimiento preventivo se realiza en un ciclo de tiempo determinado, independientemente del estado del equipo, mientras que el mantenimiento predictivo monitorea constantemente el estado del equipo y responde cuando se detectan signos de falla.
Actividades de conservación hasta la fecha
Las actividades de conservación convencionales incluyen principalmente el mantenimiento periódico, el mantenimiento predictivo y el mantenimiento post mortem. Se pueden llevar a cabo actividades de mejora (como modificaciones y actualizaciones) para prolongar la vida útil del equipo, pero la respuesta es limitada, como en el caso de equipos costosos.
El mantenimiento periódico, como ya se mencionó, implica la sustitución de piezas de forma regular, independientemente del estado del equipo. Además, el mantenimiento predictivo lo llevaron a cabo trabajadores e ingenieros in situ confiando en la intuición cultivada durante muchos años de experiencia de que «ya era hora de reemplazar esa pieza».
Los intervalos de mantenimiento periódico se adaptan a las piezas más importantes y de menor duración, pero con frecuencia se sustituyen otras piezas durante este reemplazo. La razón es que la vida útil de las piezas varía según el tipo, por lo que si el equipo se detiene y se reemplaza cada vez, la velocidad de operación del equipo se deteriorará. Por esta razón, también se reemplazarán las piezas que aún no hayan llegado al final de su vida útil, y existe el problema de que hay mucho desperdicio en el mantenimiento periódico.
Mantenimiento predictivo
Las conductas de mantenimiento predictivo se basan en las señales entre la anticipación de una falla y la falla real. Esto significa que puede pensar en un plan de mantenimiento en la etapa prevista y actuar, por ejemplo, reemplazar las piezas antes de que se produzca una falla. Esto minimiza la condición de que la máquina se detenga de emergencia debido a un fallo.
Además, si el mantenimiento predictivo se automatiza mediante IoT, se emite una alarma cuando hay señales de fallo. Dado que solo es posible pensar en la respuesta cuando se emite una alarma, no requiere tiempo ni esfuerzo, y conduce a una reducción de los costos laborales en este aspecto.
Ejemplos específicos de mantenimiento predictivo
En los equipos de fabricación, los motores se utilizan con frecuencia. Hay un componente llamado «cojinete» que soporta el «eje» (eje de transmisión) que transmite la potencia de este motor. Si el rodamiento falla, es posible que el eje no gire o que la carga en el eje no se pueda distribuir, lo que puede provocar accidentes graves. Por lo tanto, este rodamiento es muy importante.
Los rodamientos en sí mismos son intrínsecamente altamente confiables, pero cuando se requiere una mayor confiabilidad, por ejemplo, en el proceso de estiramiento del hierro calentado en una acería (proceso de laminación), a menudo se monitorizan los rodamientos.
El sistema de monitoreo de rodamientos instala un sensor de vibración en el rodamiento para detectar las condiciones de forma de onda, frecuencia y amplitud de la vibración. A continuación, se emite una alarma cuando el estado de vibración indica una señal de fallo.
Por ejemplo, si un rodamiento se daña en un lugar, la carga aplicada al rodamiento cambia. A medida que cambia la carga, cambia la distancia entre el sensor de vibraciones y el rodamiento, pero el sensor de vibraciones detecta un cambio mínimo en la distancia. Entonces, dado que la parte giratoria del rodamiento gira en un período constante, el cambio en la distancia se producirá en cada rotación. Esto provoca vibraciones y es posible detectar esta vibración y convertirla en una señal de fallo. Ingenieros expertos tomaron esta vibración de los cambios en el sonido de la máquina y la usaron como señal de daño.
Este ejemplo está simplificado para mayor claridad, pero la predicción de fallos a partir del sonido requiere experiencia, ya que no hay cambios en la vibración incluso si varios lugares están dañados o dañados. Por esta razón, no era posible emitir tal juicio a menos que lo hiciera un ingeniero experto. Desafortunadamente, el número de técnicos cualificados está disminuyendo. La inteligencia artificial (IA) se considera una solución. La inteligencia artificial, que ha estado llamando la atención en los últimos años, permite que el «aprendizaje profundo» aprenda por sí mismo mediante una estructura modelada en las acciones humanas. Por supuesto, aunque primero es necesario aprender, la inteligencia artificial puede aprender y ejecutar como los humanos que han captado las señales de fracaso de la experiencia. Con la disminución del número de ingenieros cualificados, se puede decir que es un medio eficaz para responder a la escasez de recursos humanos.
Mantenimiento predictivo y computación perimetral
De esta manera, la automatización del mantenimiento predictivo es un medio eficaz para eliminar la escasez de recursos humanos y optimizar las actividades de mantenimiento. Sin embargo, hay algunas cosas que hay que tener en cuenta al automatizar el mantenimiento predictivo.
La estructura que imita las acciones humanas de la inteligencia artificial descrita anteriormente se denomina «red neuronal» y contribuye en gran medida a la realización del aprendizaje profundo. Sin embargo, las redes neuronales son un mecanismo muy complejo. Por lo tanto, es una cuestión práctica realizar el mantenimiento predictivo y, al mismo tiempo, mantener la velocidad necesaria para el mantenimiento predictivo.
También existe un método llamado «neurochip» que realiza redes neuronales con hardware, pero no es un método muy común. El problema aquí es la velocidad, por lo que la computación en nube, que siempre envía y recibe desde servidores en Internet, no es práctica. Por lo tanto, pensemos en implementar la computación perimetral y poner inteligencia artificial en los servidores periféricos. Esto se denomina IA perimetral. Como resultado, se puede decir que la mejor respuesta en este momento es automatizar el mantenimiento predictivo y, al mismo tiempo, mantener la velocidad tanto como sea posible.
Posibilidad de mantenimiento predictivo e inteligencia artificial
Este documento describe principalmente la diferencia entre el mantenimiento predictivo y el mantenimiento preventivo, y las ventajas del mantenimiento predictivo. Con el desarrollo de la inteligencia artificial, las posibilidades de mantenimiento predictivo se están ampliando considerablemente. Y permitir el mantenimiento predictivo mediante inteligencia artificial con computación perimetral es la cifra más ideal en la actualidad.
