Existe una considerable emoción en torno al potencial de los enfoques avanzados de mantenimiento predictivo.
La promesa de estas nuevas técnicas es tentadora. Utilizando tecnologías de aprendizaje automático para analizar datos de rendimiento y fallas históricas, se busca pronosticar cuándo y cómo es probable que falle un componente en el futuro con un alto nivel de previsibilidad.
Varias empresas han comenzado el camino estableciendo la automatización y la instrumentación, que combinadas con un riguroso registro de mantenimiento, crearán los datos ricos que los sistemas de aprendizaje automático requieren.
Aunque parece ser un proyecto fácil, hay cosas que los administradores de activos deben considerar:
Datos. El tiempo de inactividad no planificado puede concentrarse en un pequeño número de eventos grandes. Esto significa que tendrás muy pocos puntos de datos para que los sistemas de mantenimiento predictivo aprendan.
Tiempo. Los modelos predictivos funcionan en horizontes de tiempo que pueden ser demasiado cortos para ser útiles. Predecir que una pieza fallará en dos días o dos semanas es útil en un camión o una herramienta, pero puede no ser útil en una planta donde las paradas llevan varios días y los equipos de mantenimiento requieren meses para planificar intervenciones y obtener repuestos.
Impacto. Las instalaciones operan activos críticos con un alto grado de redundancia y pocos puntos de falla individuales. Si una bomba se detiene inesperadamente, los operadores a menudo pueden cambiar a una unidad de respaldo con poco impacto en la producción, lo que reduce el impacto del mantenimiento predictivo.
Solicite una sesión con nuestros expertos para aprender cómo Maximo puede ayudar a facilitar su camino hacia el mantenimiento predictivo.
ES_MX 
EN