Una máquina defectuosa o un fallo del sistema es desastroso para el flujo de trabajo diario de una empresa, pero al mismo tiempo no desea invertir tiempo y dinero en mantenimiento potencialmente innecesario. Encontrar el punto medio perfecto fue posible durante mucho tiempo sólo a través de la experiencia y con una buena dosis de suerte. Sin embargo, debido a los extensos datos disponibles para nosotros a medida que continuamos digitalizando, el tiempo de mantenimiento ideal ahora se puede determinar matemáticamente – el mantenimiento predictivo nace.

El mantenimiento predictivo, para alemán: Mantenimiento predictivo, es un concepto que determina el tiempo de mantenimiento del equipo en función de su estado real. A diferencia de los intervalos de mantenimiento, que se acoplan a períodos fijos de tiempo o vida útil, los costos y el tiempo de inactividad se pueden minimizar.

La base es una situación de datos correspondiente, que permite previsiones precisas. Si esto no se da, el mantenimiento predictivo se reduciría a una lectura de bola de vidrio puro y el resultado podrían ser daños extensos.

Sin embargo, si las máquinas y sistemas utilizados pueden ser analizados por sensores suficientes, los tiempos de mantenimiento se pueden determinar con mayor precisión. Si se dispone de datos históricos adicionales, los beneficios del mantenimiento predictivo aumentan considerablemente una vez más.

Dado que las transformaciones digitales han dado lugar a redes sin precedentes de sistemas cerrados y el valor de la adquisición y transmisión de datos ha sido generalmente reconocido, una base de datos correspondiente está disponible por primera vez en casi todas las industrias.

Definición de digitalización

La digitalización es, bastante sobriamente hablando, simplemente la transferencia de procesos anteriormente analógicos a los digitales. Incluso si actualmente nos encontramos cada vez más con estos y términos similares, este es un proceso muy antiguo y simple, porque casi todas las formas de digitalización se ven recompensadas con aumentos de eficiencia, reducciones de costos y nuevas posibilidades, hasta ahora desconocidas. No es de extrañar que los humanos siempre hayamos estado muy interesados en ella.

Debido al rápido progreso técnico y al apoyo mutuo (las nuevas tecnologías permiten las nuevas tecnologías…) la digitalización ha ganado tanta velocidad en los últimos años que ahora ha penetrado en todas las áreas de nuestras vidas y es indispensable desde allí. Esta transformación digital es un proceso tecnológico, sociocultural, económico e intelectual que trae consigo agitaciones gigantescas.

Para las empresas en particular, la digitalización ha creado oportunidades sin precedentes, pero también se esconde con peligros considerables, especialmente si se ignora.

Funcionamiento

El objetivo del mantenimiento predictivo es encontrar un tiempo para el trabajo necesario que cause los fallos más bajos posibles en términos de uso y costo. Sin embargo, dado que deben evitarse sobrecargas del equipo para no arriesgarse a sufrir daños, debe determinarse un valor aproximado correspondiente, que debe tener en cuenta todos los aspectos.

Por un lado, los valores medidos periódicos se pueden utilizar para este propósito, que también pueden ser registrados por dispositivos externos. Las máquinas más antiguas que no tienen sensores adecuados de la fábrica también se pueden utilizar de esta manera dentro de un protocolo de mantenimiento predictivo.

La alternativa significativamente mejor, sin embargo, es la medición continua, que es posible a través de sistemas en red adecuadamente. Estos datos en tiempo real permiten crear modelos matemáticos más precisos y calcular el tiempo de mantenimiento aún más preciso: se generan más ahorros en el esfuerzo y los costes de mantenimiento.

Sobre la base de los datos obtenidos, ya sea mediante medición continua o periódica, se determina la condición del sistema respectivo y se forma un corredor de tiempo dentro del cual debe realizarse el mantenimiento. Los datos clave son el último tiempo posible sin correr el riesgo de daños y el tiempo más pronto posible cuando el mantenimiento valdría la pena. Esta ventana de tiempo se puede aclarar aún más con mejores datos por un mayor número de sensores y datos históricos.

Una vez que se ha calculado un valor ideal, se incluyen en el cálculo aspectos como la utilización de la máquina, la accesibilidad y el costo del personal de mantenimiento, el estado de otras máquinas y otra información disponible. El resultado es el tiempo (o tiempo – el trabajo de mantenimiento se puede distribuir durante un período de tiempo más largo) durante un período de tiempo más largo, durante el cual el trabajo causa el menor costo y otros daños.

Técnicas de medición

La eficacia del mantenimiento predictivo depende de que ya se hayan mencionado los datos disponibles. Pero, ¿cómo se pueden recopilar estos datos sin interrumpir las operaciones?

Un gran arsenal de instrumentos de medición está disponible para este propósito: las mediciones acústicas e infrarrojas permiten la determinación de la condición de una máquina sin intervenir en el flujo de trabajo normal. Los análisis de vibración son a menudo más complejos de implementar, pero son particularmente valiosos para los equipos de trabajo de alta velocidad. Los detectores de sonido pueden detectar fácilmente cambios en los niveles de ruido. Temperatura, presión interna, consumo de aceite… Se podría compilar una larga lista de valores.

En el contexto del mantenimiento predictivo, también se tiene en cuenta el volumen de salida de la máquina respectiva: teniendo en cuenta la productividad y sus fluctuaciones temporales, se pueden hacer más declaraciones sobre el estado del equipo, que puede ser importante para el cálculo del período de mantenimiento.

Aplicaciones

La producción industrial de cualquier tipo es un lugar de uso digno para el mantenimiento predictivo, ya que también es la operación más común las 24 horas. Este tipo de trabajo hace que encontrar el tiempo de mantenimiento ideal y la reducción asociada del tiempo de inactividad valga la pena.

Pero también hay numerosos usos en el área de tráfico y transporte: el estado de una superficie de carretera se puede medir por ultrasonido y un tramo de carretera se puede renovar meses, semanas o incluso pocos días antes de que el primer daño ocurra visiblemente. Como la construcción de carreteras está sujeta a fuertes fluctuaciones estacionales, los trabajos de reparación se pueden reubicar en tiempos de baja utilización de la capacidad.

Lo mismo se aplica al transporte ferroviario y a la determinación del estado de las instalaciones de trenes y de las vías. Puentes de todo tipo también pueden ser reemplazados por un nuevo edificio en el momento ideal, siempre que se tomen medidas. Esto puede retrasar el inicio de la construcción varios meses o años y ahorrar los costos correspondientes. Por otro lado, los protocolos de mantenimiento predictivo muestran daños estructurales antes, por lo que se podrían prevenir mejor los colapsos potencialmente mortales. Sin embargo, el esfuerzo para una estrecha supervisión mediante mediciones adecuadas es significativamente mayor.

Los sistemas de mantenimiento predictivo ya se utilizan cada vez más en camiones y automóviles privados. Gracias al aumento de las redes de los sistemas de vehículos en el curso de la digitalización, así como al acceso ya habitual a Internet o al menos a la red móvil, las recomendaciones de mantenimiento correspondientes se pueden calcular algorítmicamente. Los coches conectados proporcionan así una base ideal para patrones de mantenimiento inteligentes.

El mantenimiento predictivo también se utiliza regularmente en TI. Ningún centro de datos hoy reemplazaría un componente o incluso realizaría una actualización importante sin calcular primero el tiempo ideal en función de muchos factores. Estos incluyen, por ejemplo, la disponibilidad de personal propio, la utilización del dispositivo y el tiempo máximo que uno podría esperar antes de que el mantenimiento tenga que tener lugar.

Las empresas que administran de forma centralizada un mayor número de equipos también tienen consideraciones similares al realizar actualizaciones de software importantes. Por ejemplo, es común que no todos los departamentos reciban actualizaciones de software al mismo tiempo.