Predictive Maintenance

Previsión anticipada de los tiempos de parada de la máquina y de la planta

Las máquinas modernas y las instalaciones de producción a menudo tienen una vida útil de 20 años o más. Durante este tiempo, normalmente operan las 24 horas del día y los siete días de la semana. Cualquier interrupción no programada para trabajos de mantenimiento o reparación cuesta dinero y reduce el rendimiento del sistema o de la máquina.

Ejemplo de mantenimiento predictivo para maquinaria de impresión (análisis de vibraciones).

  1. Con el mantenimiento preventivo (Preventive Maintenance) - mantenimiento llevado a cabo a intervalos determinados, definido basándose en la carga de la máquina – ya es posible reducir el riesgo de interrupción de la producción debido al desgaste o a la rotura de componentes.
  2. Ahora se está dando un paso adelante con el mantenimiento preventivo (Predictive Maintenance), que consiste en la detección continua de las magnitudes más significativas de la máquina o sistema, tales como oscilaciones o temperaturas, y su tratamiento mediante algoritmos adecuados. Por ejemplo, la presencia de picos en un gráfico espectral puede indicar la presencia de vibraciones, que sugieren desgaste de los cojinetes. El uso del mantenimiento predictivo define entonces de manera óptima los momentos en los que se debe realizar el mantenimiento, garantizando el número mínimo de interrupciones de producción y una explotación óptima de las capacidades de producción disponibles.
  3. Otro paso adelante es el mantenimiento predictivo basado en modelos (Model-Based Predictive Maintenance). El uso de un modelo de observación apropiado permite deducir el estado de las magnitudes no adquiridas mediante la medición de variables que sí están sensorizadas. La ventaja de este método, además de ahorrar sensores y su cableado, es la posibilidad de adquirir cantidades difíciles de medir o no directamente medibles.

El uso de MATLAB para el desarrollo de funciones para el mantenimiento predictivo garantiza que el usuario pueda recopilar y evaluar los datos adquiridos desde la máquina (por ejemplo, desde un servidor OPC Toolbox™). Esto proporciona al usuario acceso a una amplia gama de funciones listas para usar  (p. ej., para el análisis de frecuencia) al tiempo que mantiene una flexibilidad total en la implementación de sus propios algoritmos.

Los modelos desarrollados en Simulink ayudan al usuario a crear y ejecutar su solución de mantenimiento predictivo basado en modelos.

La generación de código utilizando MATLAB Coder™, Embedded Coder® (C/C++) y Simulink PLC Coder™ (IEC61131-3 Structured Text) transforma los algoritmos desarrollados para el mantenimiento predictivo en código ejecutable para controladores embebidos y controladores lógicos programables (PLC).

También puede consultar: data analytics, aprendizaje no supervisado, modelado predictivo, analítica prescriptiva

Visión General Industria 4.0

Vea ejemplos y aprenda cómo hacer frente a los tres retos principales de la ingeniería.