Reduciendo el tiempo muerto y mejorando la salud de maquinaria con Mantenimiento Predictivo.
El tiempo de paro no planificado es uno de los principales desafíos que enfrentan las plantas industriales en todo el mundo.
Los datos de la industria muestran que, en promedio, una fábrica experimentará 144 tiempos de paro por año, y el costo anual promedio de estas paradas no planificadas para una fábrica es 2,3 millones de dólares. En ciertas industrias, como la automotriz, estos costos son aún más altos, con pérdidas de decenas de miles de dólares acumulados por cada minuto de tiempo de paro no planificado.
Pero este no es el único desafío que enfrenta la productividad de las fábricas. Casi una cuarta parte de toda la fuerza laboral manufacturera de los Estados Unidos tiene más de 55 años, y para 2030, habrá hasta 2,1 millones de puestos de trabajo sin cubrir debido a la creciente brecha de habilidades.
En una encuesta realizada por los Contratistas Generales Asociados de América, 32% de los fabricantes billonarios estiman que perderán más de $100 millones en los próximos cinco años con la jubilación de la generación Baby Boomer, y el 74% de las empresas predicen un déficit de trabajadores calificados y cualificados.
En varios frentes, se les pide a los gerentes de planta que hagan más con menos, haciendo la optimización continua del mantenimiento un constante desafío.
Las principales estrategias de mantenimiento
Hay cuatro estrategias básicas de mantenimiento generalmente practicadas:
El primero es el mantenimiento reactivo, también conocido como “Repara cuando falle” o “Corre a la falla”. Los costos de mantenimiento y tiempo de paro de producción para esta estrategia son muy altos porque el activo se ejecuta hasta la falla. Con esta estrategia, una fábrica debe contar siempre los repuestos disponibles, aumentando tanto el inventario como los costos de mano de obra para reparar el equipo. La principal ventaja del mantenimiento reactivo es que reduce el costo de realizar un mantenimiento basado en la condición o en el uso, pero eventualmente, el activo fallará. Por lo tanto, esta estrategia es más efectiva con máquinas no críticas que son baratas y rápidas de reparar.
La segunda estrategia es el mantenimiento preventivo, también conocido como “Realiza antes de que falle” o “supervisión basada en intervalos”. Este enfoque es valioso para los activos con modos de falla relacionados con la edad donde no se pueden aplicar técnicas rentables basadas en la condición. El principal error cometido al implementar medidas preventivas en el mantenimiento es que a menudo se aplica de manera demasiado amplia, incluso en activos sin relación con la edad y modos de fallo. Esto puede aumentar el tiempo de paro y resultar en una rutina con excesivos gastos de mantenimiento. Cada acción de mantenimiento innecesaria realizada en una máquina es una oportunidad para introducir nuevos problemas.
El tercer tipo de estrategia de mantenimiento es el mantenimiento proactivo, o “mantenerlo funcionando”. El concepto es hacer todo lo posible para reducir la probabilidad de falla, incluido el funcionamiento adecuado del equipo y la realización tareas de mantenimiento proactivo, como limpieza y lubricación adecuadas. La ventaja de esta estrategia es que elimina muchas de las causas fundamentales de las fallas de los equipos alarga la vida útil del equipo. La desventaja es que requiere del soporte de la administración para programar el tiempo necesario para llevar a cabo estas tareas.
La última estrategia de mantenimiento es el mantenimiento predictivo, también conocido como “Monitoreo de activos basado en la condición”. El mantenimiento predictivo implica probar la condición del equipo para determinar si se producirá una falla previsible para que los componentes en cuestión puedan ser reparados o reemplazados en el momento más conveniente. Mientras que el monitoreo de las máquinas por sí solo no detiene los componentes a partir de una falla, los gerentes de planta pueden extender la vida útil del activo a un costo mínimo a través de una predicción más específica de las fallas potenciales y el reemplazo de componentes justo antes de que fallen.
Las ventajas del mantenimiento predictivo son la reducción del tiempo de paro, la reducción de la reparación y costos de inventario adicional y la capacidad de evitar daños secundarios. Es más valioso para situaciones donde hay activos críticos que tienen un alto costo de tiempo de paro, activos con un historial de fallas o activos donde es complicada o peligrosa una revisión regular.
Para implementar con éxito esta estrategia, el equipo debe estar equipado con sensores y conectado al Internet Industrial d (IIoT). Si lo hace, mejorará la eficacia global de las técnicas de mantenimiento predictivo.
Internet industrial de las cosas
Una red interconectada de dispositivos y máquinas, conectados a través de Internet, que recopila y comunica datos directamente al equipo de mantenimiento en tiempo real.
Dispositivos conectados y aumento del IIoT
El mantenimiento predictivo y el IIoT son herramientas que han ido ganando impulso en la industria durante años y finalmente han alcanzado un punto de madurez donde las soluciones son fácilmente accesibles. Esto es crucial porque, en un entorno de fábrica, una línea de producción es tan resistente como su activo menos confiable.
Observando el sector de forma holística, el mercado del mantenimiento predictivo se situó en 5.600 millones de dólares a finales de 2020, lo que representa un aumento del 17% año tras año. Aunque impresionantes, estas cifras son solo el principio. Los datos de la encuesta revelaron que menos del 40% de las empresas han invertido en mantenimiento predictivo, pero en los próximos tres años, más del 75% espera tener proyectos en marcha. A medida que aumente la proporción de activos supervisados por sensores inteligentes en tiempo real, los responsables de planta pueden utilizar esos datos para replantearse el mantenimiento de esos activos de forma continua.
Los activos conectados impulsan el mantenimiento basado en condición
El crecimiento de las soluciones basadas en IIoT está desencadenando un cambio de paradigma en la monitorización del estado de las máquinas, lo que permite a las empresas alejarse de los recorridos manuales y los de mantenimiento preventivo heredados y hacia enfoques de supervisión de activos y predictivos.
Los sistemas basados en la condición se construyen en torno a un sensor, como los de vibración, presión o temperatura, conectado a una plataforma de monitorización por cable o inalámbrica. En función de la maquinaria y los procesos existentes, se establece un valor de alerta que representa un estado de error o un posible problema de salud de la máquina. Si se activa la alarma, se avisa a los técnicos y el equipo trabaja para identificar el problema y sustituir la máquina o la pieza.
Un ejemplo de ello es el concepto de utilizar sensores de temperatura para controlar las juntas de alta resistencia de un motor, donde las conexiones eléctricas sueltas o corroídas pueden generar un arco eléctrico, un aumento de la temperatura y un posible incendio. Cuando la lectura de temperatura alcanza un valor crítico, lo que significa que el motor puede estar a punto de fallar, el equipo de mantenimiento es alertado y puede programar adecuadamente una acción correctiva.
El mantenimiento predictivo toma los principios del mantenimiento basado en la condición y los lleva más allá, utilizando el aprendizaje automático y la inteligencia artificial (IA) para identificar los problemas antes. 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 en combinación con algoritmos de aprendizaje automático e IA para predecir futuros fallos de la máquina e identificar las causas de posibles problemas.
Esta dinámica suele representarse mediante la curva PF (fallo potencial, fallo funcional) en la que el sistema puede interpretar las diferentes lecturas de los sensores y emitir juicios sobre la vida útil restante (RUL). Este tipo de evaluación puede permitir a los operadores determinar el tiempo de que disponen para hacer reparaciones e identificar el momento óptimo para tomar medidas correctivas, creando una mínima interrupción de las operaciones generales. Gracias a estos sistemas inteligentes, las fábricas pueden empezar a realizar sus propias investigaciones en profundidad, como el monitoreo de vibraciones, sin tener que contratar a un experto externo.
La monitorización de las vibraciones puede generar un elevado rendimiento de la inversión en una amplia variedad de activos, ya que sus principios pueden aplicarse ampliamente a motores, bombas y otros equipos rotativos. Más del 50% de las averías de los motores se deben a fallos prematuros de los rodamientos. Además, muchas de las averías de las máquinas rotativas que pueden diagnosticarse con el análisis de vibraciones, como desequilibrios, desalineaciones y holguras mecánicas, afectan directamente a los rodamientos del motor.
El análisis de vibraciones también está directamente relacionado con la norma ISO 20816, que establece cómo deben evaluar las empresas la magnitud y los cambios de vibración de las máquinas para garantizar un funcionamiento confiable de los equipos. En la mayoría de los casos, la vibración comienza temprano en la curva P-F con ruido audible o las variaciones de temperatura que se detectan durante un recorrido estándar del operario.
Al utilizar el análisis de vibraciones en combinación con otros tipos de sensores, los operarios pueden identificar posibles problemas de salud de la máquina en una fase más temprana del proceso y abordar acciones correctivas en esos activos con una visión a largo plazo. Las reparaciones no requieren realizarse de inmediato, sino que pueden programarse para el momento óptimo dentro de la vida útil prevista del activo.
Cómo los responsables de planta pueden evitar errores en los programas de salud y supervisión de máquinas
El primer paso para establecer un programa de mantenimiento predictivo o de supervisión de la salud de las máquinas es crear 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 posible tiempo de paro: El tiempo de paro de ciertos activos es más perjudicial que otros y a menudo van más allá de la mera pérdida de producción. En el flujo de trabajo estandarizado, se comprende si el fallo de un activo podría provocar fallos en las entregas, multas o sobrecargar otras líneas de producción.
- Duración potencial del tiempo de paro: Identifique el plazo de entrega de las piezas de repuesto en cada activo y cuánto tiempo llevará la reparación.
Una vez que los activos de una empresa se ven a través de estas lentes, los activos de alto riesgo deben subir a la cima. A la hora de elegir un sistema IIoT, hay que tener en cuenta los siguientes factores:
Facilidad de instalación y escalabilidad: Los sensores deben ser fáciles de instalar y configurar para minimizar el tiempo de inactividad durante la puesta en marcha del sistema. Con el avance de la tecnología inalámbrica, la infraestructura necesaria para ellos debe ser adecuada y limitada.
Modalidades de detección pertinentes y precisas: Los directores de planta y los integradores necesitan entender qué sensores proporcionarán los datos correctos sobre el estado de un activo.
Herramientas intuitivas de análisis de datos: Los sistemas deben diseñarse para ser manejados por la mayoría de los miembros del equipo de mantenimiento y no ser tan complicados como para requerir la contratación de expertos externos. Aunque es útil controlar las lecturas de vibración, la IA y los algoritmos de aprendizaje automático pueden detectar anomalías que incluso los expertos pueden pasar por alto.
Costes y retorno de la inversión (ROI): Los sistemas de monitorización de la salud de las máquinas deben ofrecer un convincente retorno de la inversión en meses, impulsado por una reducción de actividades de mantenimiento innecesarias, tiempos de paro no planificados y costes de revisión.
Transformación digital para fábricas y edificios inteligentes
A medida que estas soluciones conectadas sigan transformando los enfoques de mantenimiento, los directores de planta y otros líderes corporativos deberán permanecer flexibles ante la idea de que las fábricas y edificios inteligentes irán madurando.
Las soluciones que probablemente ofrezcan los mejores beneficios a corto plazo serán las que puedan ser en motores y otros activos existentes. A medida que cada activo entre en los procesos de mantenimiento que los rodean pasará de soluciones reactivas de reparación a enfoques predictivos e inteligentes que prioricen las acciones adecuadas en el momento oportuno. Este permitirá al personal de mantenimiento dejar los portapapeles y centrarse en tareas que mejoren la salud de las máquinas, reduzcan el tiempo de inactividad y los costes en toda la organización.
Abhishek Jadhav – Traducción por Julio Flores, Grupo Noria.
¿Te gustó este artículo? Aprende aún más con nuestro curso completo sobre UPTIME – Estrategias para la Excelencia en Gestión de Mantenimiento
About Post Author
