IA para el mantenimiento industrial predictivo y preventivo

Qué es la IA

Inteligencia Artificial. Parece incongruente, pero ya nos hemos acostumbrado tanto al concepto que ha pasado a formar parte de nuestro día a día, e incluso en nuestros hogares tenemos dispositivos que utilizan esta tecnología, empezando por nuestros teléfonos móviles. En las empresas el uso es mucho más amplio y profundo, y la IA está presente en la innovación y transformación de la mayoría de los procesos empresariales e industriales, abarcando toda la automatización y cualquier proceso robotizado. 

Pero, vayamos primero al concepto, ¿qué es la IA? El término fue acuñado por el científico y matemático estadounidense John McCarty ya en 1955. Se trata de una rama de la informática que trata de imitar el funcionamiento de las neuronas humanas en las máquinas. Desde entonces hasta hoy, gracias a la gran velocidad de cálculo que permite la informática actual, algunas de estas máquinas ya se acercan mucho (algunos incluso creen que superan) este concepto de "pensamiento". 

El desarrollo de esta tecnología ha avanzado a pasos agigantados en esta era. En parte debido a su propia naturaleza, que le permite "aprender" y ser multidisciplinar, como la inteligencia humana. Pero, sobre todo, reacciona a los cambios de su entorno (para lo cual, previamente, tiene que analizarlo y poseer todos los datos sobre él). Es esta capacidad de resolver problemas y adaptarse lo que hace que la IA sea tan valiosa.

Porque estamos hablando de un entorno, el virtual, cada vez más vasto e inabarcable: petabytes de datos generados día a día, minuto a minuto, segundo a segundo. Pues bien, una IA puede manejar y calcular con precisión las distintas posibilidades resultantes de una situación y elegir la óptima. También puede identificar patrones para predecir y prevenir, y puede emitir alertas de fallo mucho antes de que se produzcan. E incluso puede "dirigir" a los humanos hacia la resolución de un problema. 

La IA se convierte en una herramienta y guía por un almacén para encontrar exactamente dónde se encuentra un producto. Analiza el consumo de combustible de toda una flota de vehículos e identifica áreas de mejora. Calcula con precisión los parámetros y estructuras de un edificio e incluso encuentra amenazas a la seguridad y las parchea ¡antes incluso de que sepamos que existen! En industrias, en particular, donde hay que tener en cuenta cientos de miles de datos procedentes de entradas de clientes, análisis de sensores, parámetros medioambientales, parámetros de productos, etc., puede ocuparse de (casi) todo, incluso antes de que se detecte que es necesario actuar. 

Mantenimiento predictivo mediante IA

Una de las principales aplicaciones de la inteligencia artificial en entornos industriales es el mantenimiento predictivo. Si antes había un equipo humano de mantenimiento, con protocolos y rutinas de "revisión y seguimiento" (y reparación en caso necesario) de cada segmento o área de la cadena de producción, la IA puede hacerlo con mucha más precisión y menos recursos. Como es capaz de identificar y calcular el tiempo en servicio, el ciclo de vida estimado y la tensión de las piezas y componentes individuales de la cadena de suministro, también puede predecir con bastante exactitud sus posibles puntos de fallo. También puede indicarnos cuándo deben realizarse las comprobaciones de mantenimiento o, en el caso del software, enviar él mismo los paquetes de actualización y mejora necesarios.

De esta forma, gracias a la Inteligencia Artificial, es posible evitar tiempos muertos o paradas en el servicio y, por tanto, en la producción, con el consiguiente ahorro de costes que ello conlleva. Pero, además, se aumenta el ciclo de vida de las piezas y, por tanto, la sostenibilidad, al desechar y tirar menos productos (se pueden poner fuera de servicio cuando aún no están averiados, lo que facilita su reutilización o reciclaje). Por último, los costes de mantenimiento serán mucho menores, ya que el sistema estará monitorizado en todo momento por la IA.

En el mantenimiento predictivo es fundamental la combinación de sensores IoT que monitoricen cada uno de los parámetros establecidos en los sistemas de producción (ruido, vibración, temperatura, etc.) y los algoritmos de análisis que reciban y calculen todos estos datos para predecir realmente lo que puede ocurrir. Estas fuentes de datos son cada vez más grandes y producen cada vez más información, por lo que solo los sistemas dotados de inteligencia artificial, edge computing y machine learning podrán automatizar estos modelos de predicción y generar los correspondientes avisos.

Este modelo es especialmente interesante en entornos industriales, tanto los puramente orientados a la fabricación (automoción, bienes de consumo, etc.) como los denominados "sectores críticos" (energía, transporte, etc.), con una elevada e intensa actividad y un gran impacto en el servicio y la facturación en caso de interrupción o inactividad. 

Ejemplos de usos relativos a la combinación de IA y mantenimiento predictivo ( Casos de uso que combinan IA y mantenimiento predictivo)

Imaginemos una central eléctrica que da servicio a toda una ciudad. Por supuesto, el sistema cuenta con medidas de seguridad redundantes y supervisión continua tanto por sistemas automatizados como por equipos humanos, así como "equipos de rescate" preparados para actuar con urgencia en caso de problemas. Un fallo o interrupción del sistema no sólo dejará sin electricidad a miles de ciudadanos, sino que provocará un caos de tráfico y transporte, pérdidas millonarias para las empresas (cortes de producción, mercancías refrigeradas o congeladas, riesgo físico para los trabajadores), etc.

En estos casos, como en todos los que implican un uso intensivo de activos (energía, transporte, agua, servicios públicos, sanidad, etc.), las empresas deben comprometerse a maximizar el rendimiento de estos activos, al tiempo que los mantienen al día y renovados: las tuberías se erosionan, los cables se rompen, las carreteras se desgastan.

Está claro que las ventajas de aplicar la IA al mantenimiento predictivo son enormes, y no sólo prácticas, sino también económicas. Aunque estos sistemas son "acusados" de ser costosos y poco rentables, la realidad es que el ROI, según las encuestas realizadas a las empresas que los utilizan, acaba siendo positivo en la mayoría de los casos. La plataforma industrial Edge Barbara tiene como objetivo facilitar la implantación de estos modelos de mantenimiento predictivo. No sólo permite la captura de datos de sensores, actuadores y otros elementos industriales de cualquier tipo, sino que facilita la ejecución de algoritmos de edge computing, permitiendo la implementación de modelos predictivos mucho más complejos y la toma de decisiones automatizada. Entre otras funcionalidades consigue:

• Centralice toda la información e indique a los responsables de mantenimiento dónde se encuentra un activo, qué necesita, quién tiene que trabajar en él y cuándo.
• Automatice los flujos de trabajo esenciales y facilite el acceso y el control.
• Resuelva los problemas antes de que se produzcan desplegando aplicaciones en nodos periféricos con mantenimiento preventivo basado en IA para garantizar un funcionamiento estable, automatizado y continuo.
• Maximizar la utilización de los activos: con los datos históricos y en tiempo real recopilados de los dispositivos IoT, los diagnósticos centralizados y las herramientas de análisis, es posible ampliar la disponibilidad, la fiabilidad y la vida útil de los activos físicos.

Lo cierto es que todos estos datos y analíticas que proporciona la inteligencia artificial son el impulso que la industria 5.0 necesita, y que ya tiene, y lo que hará que las fábricas del futuro sean más eficientes, reduzcan su consumo energético, aumenten su seguridad y sigan adaptándose, por rápido que sea el ritmo de innovación, a cada nueva circunstancia. Incluso se espera que, con el aumento de la velocidad de computación y de las redes (las 5G o incluso las 6G, que sin duda llegarán), esta tecnología inteligente sea capaz incluso de "leer entre líneas" e incorporar a su algoritmo no sólo los datos que hay, sino también los que faltan. Esto, aunque ya se hace a pequeña escala a niveles más locales (Edge computing, donde los datos están disponibles más rápidamente y a mayor resolución), pronto estará disponible también para aplicaciones más masivas.

Para más información, ponte en contacto con el equipo de Barbara aquí.