Análisis del estado de los activos

Los datos pueden provenir de muchas fuentes:

• De informes de inspección periódica.
• Sistemas de monitoreo continuo.
• Sistemas CMMS.
• Libros de registro ingresados ​​manualmente (mantenimiento).

Saber qué datos recopilar es el primer paso para la gestión del desempeño de los activos.

Antes de que pueda comenzar el modelado y el análisis, hacemos que los datos sean accesibles. Esto puede variar desde la digitalización de registros de datos completados manualmente, hasta la recopilación de volcados de datos periódicos de herramientas de inspección portátiles, la transferencia de datos anómalos y la transferencia completa de datos en tiempo real.

Podemos transferir estos datos a entornos en la nube o mantenerlos descentralizados ("computación de niebla").

A pesar de su nombre, el análisis de big data no se trata de arrojar cantidades masivas de datos en un programa de computadora, esperando que arroje correlaciones novedosas.

Nuestros especialistas pueden agrupar datos en modelos en torno a mecanismos de falla, lo que acelerará enormemente el análisis. Esto incluye construir algoritmos que aprendan a detectar anomalías y mecanismos de falla basados en fallas históricas (huellas digitales).

En este próximo paso, realmente observamos lo que el modelo recopilado nos dice sobre el rendimiento de los activos. Se trata de determinar la confiabilidad de los modelos, prevenir falsos positivos y falsos negativos, sacar las conclusiones correctas y construir casos de negocios para determinar el mejor curso de acción.

La visualización de datos en tableros llenos de gráficos y tablas puede mejorar los conocimientos y, por lo tanto, brindar un apoyo importante para la toma de decisiones. Por lo general, vemos una combinación de datos históricos que muestran tendencias, alertas en tiempo real y predicciones sobre el estado/posibilidad de fallas específicas.

Grandes proveedores de automatización como IBM, Emerson y OSIsoft proporcionan el software, que posteriormente configuramos y alineamos con los KPI específicos del cliente.

Saber que algo fallará no determina de inmediato cuál será la acción correctiva. Trabajamos con los equipos de nuestros clientes para revisar las opciones; incluyendo aplicar alguna técnica de mantenimiento en línea, correr el riesgo de esperar el próximo cambio planificado, cerrar la planta prematuramente, etc.

En el caso del mantenimiento prescriptivo, estas decisiones están automatizadas, pero de lo contrario, los humanos deben decidir. De cualquier manera, las decisiones deben convertirse en órdenes de trabajo que enviarán a las personas adecuadas con las herramientas adecuadas en el momento adecuado para ocuparse de la situación.