¿Cuántos cafés más puede hacer nuestra máquina antes de requerir mantenimiento?? Bueno, esa es una pregunta fundamental para la mayoría de los miembros de ELEDIA. La respuesta obvia a esto puede ser “sabremos cuando esté roto”. Pero si la maquinaria tiene una importancia fundamental en la línea de producción, ¿será aceptable un tiempo de inactividad inesperado por mantenimiento?
Dentro de la terminología de mantenimiento, reparación y revisión (MRO), el enfoque descrito anteriormente (sustitución/mantenimiento de una maquinaria después de que se haya producido la falla) se denominaría mantenimiento correctivo, y se sabe que es una estrategia adecuada solo si el proceso de producción puede interrumpirse en cualquier momento con las mínimas consecuencias (por cierto, ese NO es el caso de la máquina de café ELEDIA). Una estrategia completamente opuesta es programar el mantenimiento después de que se haya realizado un número predefinido de ciclos/horas de operación, siguiendo el concepto de mantenimiento preventivo o planificado. Como las inspecciones se realizan periódicamente, esta estrategia tiene la ventaja obvia de garantizar costos fijos. Pero, ¿son estos costos mínimos? En la era de las Fábricas Inteligentes y Industria 4.0la respuesta a tal pregunta puede ser menos obvia.
Minimizar los costes de mantenimiento sabiendo de antemano cuándo fallará exactamente una maquinaria o proceso ha sido siempre el sueño de los gestores de procesos industriales. Mantenimiento predictivo De hecho, surgió como una de las aplicaciones más concretas de la Industria 4.0 para cumplir este sueño. El objetivo fundamental del mantenimiento predictivo es determinar el estado de una maquinaria/proceso para definir cuándo se necesita realmente el mantenimiento. En este sentido, se diferencia del mantenimiento preventivo o correctivo en que se basa en la predicción real del estado del equipo (pronósticos basados en datos) más que en su vida útil promedio esperada (pronósticos basados en estadísticas) o en la detección de un evento ya ocurrido. problema (diagnóstico). El único inconveniente es que predecir el futuro generalmente no parece una tarea sencilla.
Los sistemas de automatización modernos están equipados con una amplia variedad de sensores que permiten observar el estado de las máquinas y los procesos. Además, la disponibilidad de sensores inalámbricos desplegables de bajo costo y el paradigma IoT están ampliando aún más la capacidad de adquirir datos detallados de sistemas complejos incluso que operan en grandes fábricas, así como recopilar dichos datos para su posterior procesamiento remoto. Aún así, surge una pregunta simple: ¿puedo entender cuántos ciclos realizará la máquina de corte con precisión a partir del sonido de sus cuchillas giratorias? Ahí es donde entra en juego la IA.
En los últimos años, los miembros de ELEDIA han desarrollado, aplicado y desplegado un amplio conjunto de Metodologías de IA para la Industria 4.0 escenarios tanto a pequeña como a gran escala, desarrollando herramientas de pronóstico y mantenimiento predictivo que se han aplicado tanto a máquinas individuales o procesos de fabricación como a fábricas a gran escala desplazadas en instalaciones separadas. El enfoque fundamental seguido por ELEDIA para lograr capacidades predictivas de alta precisión y eficiencia ha sido una combinación de conocimientos físicos sobre el proceso/máquina real bajo observación y análisis avanzado y capacidades de aprendizaje habilitadas por IA. Al integrar el conocimiento de las características físicas esperadas del proceso investigado (p. ej., la relación entre la frecuencia de tono/espectro del sonido emitido por una cuchilla giratoria frente al régimen de rotación, el material cortado y la velocidad de corte) y al personalizar el E-AIR artificial metodologías de inteligencia, se ha demostrado la posibilidad de lograr una detección temprana de anomalías en los procesos industriales y alertas tempranas de mantenimiento confiables. Con este fin, la “fusión” de datos e información de indicadores clave de rendimiento (KPI) recopilados de varias tecnologías de evaluación no destructiva y pruebas no destructivas (como mediciones de nivel de sonido, análisis acústico, análisis de presión y vibración, mediciones de temperatura/humedad) ha sido un reto fundamental a abordar.
En este escenario, una aplicación reciente de la suite E-AIR Industry 4.0 ha estado en el campo del análisis automático del estado de la máquina y el control del proceso de fabricación en la colaboración industrial con Grupo IMAlíder mundial en el diseño y fabricación de máquinas automáticas para el procesamiento y envasado de productos farmacéuticos, cosméticos, alimentos, té y café.
Los esfuerzos de investigación actuales en ELEDIA tienen como objetivo una mayor personalización de las metodologías de E-AIR Industry 4.0 Suite para la fusión de datos, el análisis de datos y el aprendizaje automático para escenarios de mantenimiento predictivo basado en modelos más complejos. En este marco, la posibilidad de autoaprendizaje del Gemelo digital Los miembros de ELEDIA ya han demostrado la contraparte de un sistema/proceso de maquinaria real en escenarios industriales prácticos, y su generalización para manejar problemas de múltiples fábricas a gran escala está actualmente en desarrollo.
Entonces, la próxima vez que alguien pregunte “¿Cuántos cafés más puede hacer nuestra máquina antes de requerir mantenimiento?”, E-AIR estará ahí para ayudar.
Más información
Para obtener información adicional sobre nuestras demostraciones y conjuntos de software de IA de Industry 4.0, contáctenos en [email protected]
Proyectos relacionados
Relacionado:
¿Cómo ayuda la IA a dirigir las empresas? – ELEDIA E-AIR
