El mantenimiento predictivo (PdM), posibilitado por la integración de múltiples sensores y técnicas de aprendizaje automático, es uno de los beneficios más pregonados de la cuarta revolución industrial. Sin embargo, considerar al PdM como principal solución en confiabilidad y mantenimiento puede resultar miope, pues tiene un rango limitado de aplicaciones y deja fuera otras alternativas eventualmente más convenientes. Ejemplo de esto es el CBM (mantenimiento basado en condición) que, sin llegar a involucrar todo el desarrollo de analítica avanzada en muchos casos permite capturar la mayoría del valor, a pesar de tener menor precisión en
la predicción.

El PdM tiene múltiples aplicaciones en la minería. Un caso típico es su utilización en el chancado primario, y se configura al momento de determinar el momento preciso de cambio de revestimientos resulta una actividad crítica. Los medios tradicionales para determinarlo, a través de medición física o ultrasonido, requieren detener totalmente el equipo y resultan demorosos. La aplicación de PdM con aprendizaje automático, apalancado en escáneres láser de alta precisión, podría entregar un resultad óptimo de intervención con exactitud, sin embargo, la parte algorítmica podría ser reemplazada por CBM avanzado, con proyecciones simples del desgaste, que permitiría capturar la mayoría del valor solo procesando la data minuciosamente y con inversión en desarrollo notablemente menor. Por lo anterior la recomendación es que antes de moverse a una tecnología más avanzada, y en general de mayor inversión, como PdM, es importante usar los datos y técnicas que ya se tienen pero de una forma rigurosa.

Las estrategias de PdM implementadas por Komatsu, por ejemplo, ayudan a evaluar la condición actual de sus equipos para anticipar cuándo debe efectuarse la mantención. Este enfoque le ahorra tiempo y dinero, en comparación con los programas de mantención basados en plazos, ya que la mantención se realiza únicamente cuando es necesaria pero antes de que ocurra una interrupción no planificada. Algunas ventajas de esta actividad son el menor tiempo de inactividad para mantención, menos interrupciones de producción para mantención, y un menor costo de repuestos y suministros.

¿El alcance relativamente limitado de PdM significa que el mantenimiento y la confiabilidad están de alguna manera exentos del imperativo digital? Definitivamente no. La recomendación es que las compañías vayan más allá de un tipo específico de herramienta digital y piensen de qué manera las nuevas técnicas y la tecnología digital pueden transformar el sistema completo de mantenimiento y confiabilidad; siempre teniendo en cuenta que no necesariamente lo más complejo es lo mejor.

Las actividades de mantenimiento y confiabilidad están compuestas por dos partes básicas: un elemento programático, que comprende estrategias de activos y planes de mantenimiento, y un elemento de ejecución, que implica identificar, priorizar, programar y llevar a cabo los trabajos. La Confiabilidad y Mantenimiento Digital (DRM) comprenden ambos elementos, y los sustentan con un conjunto de habilitadores — la infraestructura, los procesos y las herramientas que las compañías necesitan para gestionar sus activos, datos y personal con el propósito de optimizar la confiabilidad de los activos y el desempeño en mantenimiento.

Facilitadores Digitales de la Confiabilidad

Lo más importante de todo: los procesos digitales utilizan como combustible a los datos. Es por eso que establecer un backbone de datos robusto es un elemento clave para el mantenimiento y la confiabilidad digital. La mayoría de las organizaciones ya cuentan con sistemas para registrar datos de mantenimiento y confiabilidad, pero la efectividad de tales sistemas puede verse afectada por una mala administración de datos. Por ejemplo: duplicidad de datos, diferentes sistemas con estructuras de datos diferentes, exceso de uso de campos de texto libre, o incluso datos confinados en hojas de cálculo o notas en papel. Estos desafíos no se solucionan invirtiendo en nuevas tecnologías, sino de estándares más rigurosos.

Una vez que cuentan con los datos, las compañías deben definir la manera de acceder a ellos. Para la mayoría de las organizaciones, esto representa un paso adicional. Una capa de servicios de datos consolidada o “laguna de datos” reúne información de múltiples sistemas y fuentes, creando una fuente de verdad única y salvando la brecha de información entre los sistemas para proveer una imagen completa de salud de un activo. Este componente crítico para la gestión digital del desempeño, la analítica descriptiva y el uso de dashboards, además de servir como una capa unificada para nuevas aplicaciones de mantenimiento y confiabilidad y proveer información requerida a eventuales modelos de AA.

Los siguientes facilitadores clave para DRM son las herramientas digitales para análisis de ingeniería de confiabilidad. La resolución de problemas por su causa raíz, usando metodologías como análisis de árboles de fallas y análisis de causa y efecto o modos y efectos de falla (FMEA), es parte fundamental de la estrategia de mantenimiento y confiabilidad de cualquier organización. En la actualidad, sin embargo, estas actividades por lo general se realizan manualmente, y sus resultados rara vez son registrados de manera centralizada. La integración de herramientas de ingeniería de confiabilidad a la arquitectura DRM de una organización garantiza que los análisis se lleven a cabo en forma consistente y estructurada, y acelera y simplifica el acceso a los datos, además de capturar los resultados de los análisis para uso futuro.

Gestión de Desempeño Digital

Un sistema de gestión del desempeño digital es clave para operar un programa DRM efectivo. Esto implica el uso de analítica descriptiva y de visualizaciones de datos para obtener una perspectiva en tiempo real de la salud de los activos y el desempeño en confiabilidad. La gestión del desempeño digital automatiza la generación y la presentación de las métricas clave y la información cualitativa que las compañías emplean en sus programas de confiabilidad, como la eficiencia general de equipos (OEE). Este tipo de automatización libera al personal de mantenimiento de la tarea pesada y proclive al error de recopilar y analizar datos. También acelera la identificación de tendencias, la toma de decisiones, y las intervenciones oportunas.

Estrategias de Activos Digitales

Las nuevas herramientas digitales también pueden ayudar a acelerar y estandarizar los análisis de costo-beneficio y la toma de decisiones relacionadas con las actividades de confiabilidad. Las herramientas digitales para gestión de activos, por ejemplo, ayudan a los equipos de confiabilidad a planear y gestionar las decisiones de reparar o reemplazar durante todo el ciclo de vida de activos individuales o flotas completas. De manera similar, las nuevas herramientas digitales pueden dar soporte al mantenimiento centrado en confiabilidad (RCM), ayudando a elegir la estrategia de mantenimiento más adecuada (como operar a la falla, TBM o CBM).

Gestión de Tareas Digital

Las nuevas herramientas digitales también están transformando la forma en que las compañías planifican y encaran la ejecución de las actividades de mantenimiento y confiabilidad. La gestión digital de tareas comprende la digitalización de procesos y análisis de datos con el propósito de mejorar la efectividad y la eficiencia del trabajo de mantenimiento. Algunos ejemplos de su aplicación incluyen algoritmos de programación automatizados, entornos de planeación digitalizados, y tablets o dispositivos incorporados a la vestimenta para ingreso y recuperación de datos en el terreno.

La mayoría de los jugadores industriales, especialmente del rubro minero, ya ha iniciado su recorrido DRM, conscientemente o no. Ingresan sus órdenes de trabajo en sistemas ERP/EAM, generando o recopilando datos. Sin embargo, el paso crítico para muchas organizaciones es comenzar a utilizar un abordaje proactivo y completo para su estrategia de Confiabilidad y Mantenimiento Digital. Esto requiere un análisis detallado para identificar dónde pueden generar impacto las mejoras en la captura de datos, el procesamiento y entendimiento de dichos datos y el mayor control de los nuevos sistemas de ejecución del mantenimiento. La clave es adoptar una perspectiva mejora de principio a fin de las posibles aplicaciones y pensar cómo integrar y combinar las nuevas herramientas, tecnologías y abordajes.

Parte de este artículo contiene texto elaborado por Steve Bradbury, Matt Gentzel, Patrick Neise, René Tapia y Joël Thibert, de McKinsey & Co.