Reducción del tiempo de inactividad y mejora de la condición de la máquina con mantenimiento predictivo
El tiempo de inactividad no planificado representa uno de los principales desafíos que enfrentan los operadores de fábricas y edificios en todo el mundo.
Los datos de la industria muestran que la cantidad promedio de tiempos de inactividad por año para una fábrica es de 144, y el costo anual promedio de las paradas no planificadas para una fábrica es de $2.3 millones de dólares. En algunas industrias, como la automotriz, esos costos son aún más altos, con pérdidas de decenas de miles de dólares por minuto de tiempo de inactividad no planificado.
También existen otros desafíos: el 32 % de los fabricantes en el grupo de los miles de millones de dólares estiman que perderán más de USD $100 millones a medida que la generación de la posguerra se jubile en los próximos cinco años. Casi el 25 % de la mano de obra del sector de manufactura de EE. UU. tiene más de 55 años y, para 2030, podría haber hasta 2.1 millones de puestos de trabajo vacantes en el sector debido a una creciente brecha de habilidades. Según una encuesta de Associated General Contractors of America, un 74% de las empresas predicen una escasez de trabajadores comerciales calificados.
En varios frentes, se les pide a los gerentes de planta que hagan más con menos, lo que hace que el mantenimiento continuo de sus activos mecánicos sea un desafío constante.
Los enfoques de mantenimiento heredados crean procesos obstinados e ineficientes
Hay cuatro estrategias básicas de mantenimiento que generalmente se practican. El primero se llama mantenimiento reactivo, también conocido como “reparar cuando falla” o “operar hasta la falla”. El costo general de mantenimiento para esta estrategia es muy alto, y el costo del tiempo de inactividad de la producción es alto porque opera los activos hasta que fallan. Por esa razón, siempre debe tener repuestos, lo que aumenta tanto los costos de inventario como los costos de mano de obra para reparar el equipo después de una falla catastrófica. La principal ventaja del mantenimiento reactivo es que reduce el costo de realizar un mantenimiento programado innecesario, pero la desventaja es que el activo em algún momento fallará. Por lo tanto, esta estrategia es más efectiva con máquinas no críticas que son económicas y rápidas de reparar.
La segunda estrategia de mantenimiento es el mantenimiento preventivo, también conocido como “reparar antes de que falle” o “mantenimiento basada en intervalos”. Este enfoque a menudo se considera más valioso para los activos con modos de falla relacionados con la edad (y donde no se pueden implementar formas más rentables basadas en la condición). La desventaja es que a menudo se implementa en activos sin modos de falla relacionados con la edad, lo que aumenta el tiempo de inactividad y los costosos gastos de mantenimiento de rutina en esos activos. Cada acción de mantenimiento innecesaria realizada en una máquina también es una oportunidad para que se introduzcan nuevos problemas.
La tercera estrategia de mantenimiento es el mantenimiento predictivo, también conocido como monitoreo de activos basado en la condición. También se puede describir con el viejo adagio: “Si no ha fallado, no lo repares”. El mantenimiento predictivo implica monitorear la condición del equipo para determinar si se producirá una falla en el futuro previsible para que los componentes en cuestión puedan repararse o reemplazarse en el momento más conveniente. Si bien el monitoreo de las máquinas por sí solo no evita que los componentes fallen, los gerentes de planta pueden extender la vida útil del activo a un costo mínimo, reemplazando el componente defectuoso justo antes de que falle.
La ventaja del mantenimiento predictivo es la reducción del tiempo de inactividad, los costos de reparación, los daños secundarios y los costos de inventario de repuesto a lo largo del tiempo; es más valioso para situaciones donde hay activos críticos que tienen un alto costo de tiempo de inactividad, activos que tienen un historial de fallas o activos difíciles de alcanzar donde los controles regulares pueden ser difíciles o peligrosos.
Aquí es donde entran en juego los sensores conectados y el Internet industrial de las cosas (IIoT).
El cuarto tipo de estrategia de mantenimiento es el mantenimiento proactivo, o “no lo repares, evita que falle”. La idea aquí es hacer todo lo posible para reducir la probabilidad de falla enfocándose en lo que causa las fallas, incluida la operación adecuada del equipo y la realización de tareas de mantenimiento proactivas, como la alineación y balanceo, la limpieza y la lubricación adecuada.
La ventaja es que elimina muchas de las causas raíz de fallas del equipo y extiende su vida útil. La desventaja es que se necesita el apoyo de la gerencia para invertir en el rediseño de la maquinaria y de las instalaciones.
Dispositivos conectados e IIoT ganando impulso
El mantenimiento predictivo y el Internet Industrial de las Cosas (IIoT, por sus siglas en inglés) son conceptos que se han estado construyendo en la industria durante años, pero finalmente han llegado a un punto de madurez en el que las soluciones son cada vez más accesibles.
Al observar la industria de manera integral, el mercado de mantenimiento predictivo se situó en USD $ 5600 millones a fines de 2020, lo que representa un aumento del 17 % año tras año.
Si bien es impresionante, representa solo el punto de partida. Los datos de la encuesta encontraron que menos del 40% de las empresas han invertido en mantenimiento predictivo, pero dentro de los próximos tres años, más del 75% espera tener proyectos en marcha.
Incluso en empresas donde se implementan sensores inteligentes y otras estrategias de IIoT, las estructuras de costos asociadas con esas plataformas significan que solo el 15 % de los activos están siendo actualmente monitoreados por dispositivos conectados. En un entorno integrado de edificio o fábrica, una línea de producción es tan resistente como su activo menos confiable.
A medida que las soluciones se vuelven más asequibles y las evaluaciones de retorno de la inversión cambian, se espera que el crecimiento del IIoT aumente rápidamente. De 2021 a 2026, la industria casi duplicará su aceleración, con una tasa de crecimiento anual compuesta prevista del 31 % hasta 2026.
A medida que crece la proporción de activos monitoreados por sensores inteligentes en tiempo real, los gerentes de planta pueden usar esos datos para repensar cómo se mantienen esos activos de manera continua.
Los activos conectados impulsan los enfoques de mantenimiento predictivo y basado en la condición
El crecimiento de las soluciones basadas en IIoT está desencadenando un cambio de paradigma en el monitoreo del estado de las máquinas, lo que permite a las empresas alejarse suavemente de los recorridos manuales y los cronogramas de mantenimiento preventivo (PM, por sus siglas en inglés) heredados y adoptar enfoques de monitoreo predictivos y basado en condición.
Los sistemas basados en condiciones se construyen alrededor de un sensor (como un sensor de vibración, presión o temperatura) conectado a una plataforma de monitoreo a través de una conexión por cable o inalámbrica.
Según la maquinaria y los procesos existentes, se establece un valor de alarma o alerta, que representaría un estado de error o un posible problema de salud de la máquina. Si se activa la alarma, se alerta a los técnicos y el equipo trabaja para identificar el problema y reemplazar la máquina o componente.
Un ejemplo sencillo puede ser el concepto de usar sensores de temperatura para monitorear juntas de alta resistencia en un motor, donde las conexiones eléctricas sueltas o corroídas pueden generar arcos eléctricos, un aumento de la temperatura y un posible incendio. Cuando la lectura de temperatura alcanza un valor crítico, lo que significa un problema en el que los motores pueden estar cerca de un punto de falla, el equipo de mantenimiento recibe una alerta y puede programar la acción correctiva adecuada.
El mantenimiento predictivo toma los principios del mantenimiento basado en condición y los impulsa aún más, utilizando el aprendizaje automático/inteligencia artificial para identificar problemas antes, proponiendo qué pasos de mantenimiento pueden ser útiles para rectificarlos y crear una mejor imagen general de la salud de la máquina.
En lugar de esperar a que los problemas alcancen un valor de alerta crítico, el sistema busca anomalías en varias modalidades de detección y utiliza esos valores en combinación con algoritmos de inteligencia artificial/aprendizaje automático para predecir próximas fallas de la máquina e identificar las causas raíz de posibles problemas. Este tipo de caracterización automatizada de fallas también puede reducir la necesidad de que las empresas cuenten con un experto en análisis de vibraciones.
Esta dinámica a menudo se representa utilizando la curva PF (intervalo entre la falla potencial y la falla funcional), donde el sistema puede interpretar diferentes lecturas de sensores y emitir juicios sobre la vida útil restante del activo.
El monitoreo de vibraciones específicamente puede generar un fuerte retorno de la inversión para una amplia variedad de activos, ya que sus principios pueden aplicarse ampliamente a motores, bombas y otros activos de equipos rotativos. Más del 50% de las fallas de los motores se deben a fallas prematuras de los rodamientos. Además, muchas de las fallas de las máquinas rotativas que se pueden diagnosticar con el monitoreo de la condición de vibración, como el desbalanceo, la desalineación y la holgura mecánica, impactan directamente en los rodamientos del motor.
El análisis de vibraciones también se relaciona directamente con el estándar ISO 20816 (que reemplazó al estándar 10816 previamente existente), que establece cómo las empresas deben evaluar la magnitud y los cambios de vibración de la máquina para ayudar a garantizar un funcionamiento confiable del equipo.
En la mayoría de los casos, la vibración comienza mucho antes en la curva PF que el ruido audible o las variaciones de temperatura que se pueden detectar durante un recorrido estándar del operador.
Mediante el uso del análisis de vibraciones en combinación con otros tipos de sensores, los operadores pueden identificar posibles problemas de salud de la máquina antes en el proceso y abordar acciones correctivas en esos activos con una visión a largo plazo. No es necesario que las reparaciones se realicen de inmediato, pero se pueden programar para el momento óptimo dentro de la vida útil esperada del activo.
Este tipo de información predictiva también crea beneficios adicionales desde la perspectiva de la cadena de suministro y el balance, ya que los gerentes de planta pueden optimizar sus requisitos de piezas a corto y mediano plazo y pueden tener menos piezas disponibles de manera regular.
Cómo los gerentes de planta pueden evitar errores en los programas de monitoreo del estado de las máquinas
El primer paso para establecer un programa de mantenimiento predictivo o monitoreo del estado de la máquina es establecer una estrategia piloto interna para identificar los mejores activos para este tipo de plataforma.
Los factores pueden incluir:
- Activos con alto riesgo y/o historial de fallas – Algunos activos tienden a fallar más que otros.
- Impacto del tiempo de inactividad potencial – El tiempo de inactividad con algunos activos es más perjudicial que con otros y, a menudo, va más allá de la pérdida de producción. Al observar el flujo de trabajo estándar, analice si la falla de un activo podría provocar fallas en la entrega, multas o tensión en otras líneas de producción.
- Duración potencial del tiempo de inactividad – ¿Cuál es el tiempo de entrega de las piezas de repuesto en cada activo y cuánto tarda una reparación?
Una vez que los activos de maquinaria de una empresa se ven a través de esos lentes, los activos de mayor riesgo deberían llegar a la cima.
Al elegir una plataforma o sistema IIoT, hay una variedad de factores para considerar:
- Facilidad de instalación y escalabilidad – Los sensores deben ser fáciles de instalar y configurar para minimizar cualquier tiempo de inactividad con el arranque del sistema. Y con el avance de la tecnología inalámbrica, la infraestructura requerida para ellos debe ser adecuada y limitada.
- Modalidades de detección relevantes y precisas – Es importante que los gerentes de planta y los integradores entiendan qué sensores entregarán los datos correctos sobre la salud de un activo. ¿Es un sensor de temperatura, un sensor de vibración o ambos?
- Herramientas intuitivas de análisis de datos – Los sistemas deben estar diseñados para ser administrados por la mayoría de los miembros del equipo de mantenimiento y no ser tan complicados como para requerir la contratación de expertos externos. Si bien es útil monitorear las lecturas de vibración RMS por sí mismas, la inteligencia artificial (IA) o los algoritmos de aprendizaje automático pueden detectar una anomalía que incluso los expertos pueden pasar por alto.
- Costos/retorno de la inversión (ROI, por sus siglas en inglés) – Los sistemas de monitoreo de la condición de la máquina deberían ofrecer un ROI convincente en meses, impulsado por una reducción de las acciones de mantenimiento innecesarias, el tiempo de inactividad no planificado y los costos de recorrido.
Transformación digital para fábricas y edificios inteligentes
A medida que estas soluciones conectadas continúen transformando los enfoques de mantenimiento, los gerentes de planta y otros líderes corporativos deberán permanecer flexibles a medida que la idea de edificios y fábricas inteligentes continúe madurando.
Las soluciones que probablemente brinden las mejores ganancias a corto plazo probablemente serán soluciones iterativas que se pueden adaptar a los motores existentes y otros activos, con verdaderas opciones “conectadas” de muchos fabricantes de equipo original (OEM, por sus siglas en inglés) que aún se encuentran en varios aspectos de la fase de desarrollo del producto.
Pero a medida que cada activo entra en línea, los procesos de mantenimiento a su alrededor cambiarán de soluciones reactivas de reparación de fallas a enfoques inteligentes y predictivos que priorizan las acciones correctas en el momento correcto. Eso permitirá que el personal de mantenimiento deje sus portapapeles y se concentre en realizar las tareas que mejoran el estado de la máquina, reduzcan el tiempo de inactividad y reduzcan los costos en toda la organización.
About Post Author
