CT apuesta por una estrategia que permita alargar su vida útil y reducir los costes operativos

Con el avance de las tecnologías digitales, surge el mantenimiento predictivo, que permite anticipar cuándo es necesario intervenir, optimizando tiempos y recursos.

La capacidad de prever, más que simplemente prevenir, las necesidades de mantenimiento representan una ventaja clave. Esto nos permite intervenir en los activos basándonos en su condición, estado real y uso. Es decir, realizamos el mantenimiento únicamente cuando es necesario; ni antes ni después, sino en el momento justo.

Con este enfoque, logramos optimizar y reducir los tiempos de parada de la maquinaria a lo estrictamente necesario. Asimismo, disminuimos considerablemente los riesgos de averías, ya que mantenemos los activos siempre en condiciones óptimas. Además, podemos planificar las operaciones de mantenimiento con antelación, programando las intervenciones del personal técnico y la compra de repuestos justo a tiempo (Just In Time). De este modo, evitamos tener miles de metros cúbicos de almacén llenos de repuestos que ocupan espacio innecesario y no aportan más que ‘dinero muerto’.

¿Cómo se consigue la predicción de las necesidades de mantenimiento de nuestros activos? conseguimos predecir las necesidades de mantenimiento de nuestros activos? En primer lugar, desplegamos dispositivos IoT sobre las máquinas o vehículos que deseamos monitorizar. Estos dispositivos nos informan, en tiempo real, sobre su condición exacta. Podemos controlar una infinidad de variables, como temperaturas, presiones, caudal de fluidos, viscosidad de lubricantes, carga de baterías, velocidades de giro (rpm), potencia exigida a los motores, secuencias de funcionamiento a través de PLCs, entre otras. Las posibilidades son realmente ilimitadas.

Con la información obtenida, desarrollamos y alimentamos un Gemelo Digital de la máquina o vehículo a examinar. Los Gemelos Digitales son réplicas virtuales de activos físicos, lo que nos permite observar la tendencia de su comportamiento y estado a futuro mediante algoritmos de inteligencia artificial. En función de su condición y uso actuales, podemos predecir la evolución de sus necesidades de mantenimiento.

Al combinar los datos reales extraídos de las máquinas, convenientemente filtrados, con datos sintéticos generados computacionalmente a imagen y semejanza de la realidad, obtenemos grandes cantidades de información que enriquecen y entrenan los algoritmos de inteligencia artificial predictiva. Esto nos permite contar con herramientas altamente precisas.

Con este nuevo enfoque, incrementamos la tasa de operatividad de cualquier máquina o vehículo, reduciendo drásticamente los tiempos muertos o trayectos inoperativos sin valor alguno.

Nuestra aproximación al mantenimiento predictivo nos permite anticipar operaciones de mantenimiento y fallas antes de que ocurran. Además, nos ofrece la posibilidad de diseñar intervenciones para mejorar cualquier sistema.

CT tiene una amplia experiencia aplicando la inteligencia artificial a todo tipo de vehículos, con un enfoque particular en los vehículos eléctricos de batería (BEV).

En estos casos, la compañía es responsable de analizar toda la información disponible desde diversas fuentes, estudiar su causa raíz, realizar investigaciones funcionales, formular hipótesis de modelos, identificar variantes relevantes y proponer modos de mantenimiento.

Un ejemplo destacado de nuestra labor es el proyecto ECOMOVIL '23, desarrollado bajo el marco del programa PERTE VEC, y aplicado a un autobús urbano.

En este caso, CT Ingenieros está a cargo de:

• Captura de datos de áreas críticas de BEV: motores eléctricos, paquetes de baterías, neumáticos, frenos, sistema de climatización (HVAC) y sistemas ADAS de ayuda a la conducción.
• Desarrollo y validación del correspondiente modelo digital predictivo del gemelo virtual.
• Mantenimiento predictivo basado en datos según el estado real del vehículo.
• Generación de estrategias de conducción eficientes para ahorrar energía, tiempo y dinero.
• Integración de modelos virtuales en el vehículo de prueba en pleno funcionamiento.
• Detección y parametrización del estrés y carga de trabajo del conductor para evaluar las condiciones y el rendimiento laboral.
• Pruebas de validación y verificación (V&V).

Con estos desarrollos, logramos una aproximación muy eficaz para conocer el estado real de cualquier componente en cualquier momento (tiempo real) y predecir sus necesidades de mantenimiento a futuro.

Cabe destacar que esta tecnología es fácilmente escalable y requiere muy pocos ajustes para aplicarse a todo tipo de plataformas, ya sean estáticas, como máquinas en fábricas, o vehículos terrestres, marítimos o aéreos, independientemente de su tipo de propulsión y actividad.

La capacidad predictiva de los actuales Gemelos Digitales constituye una herramienta poderosa para redefinir las labores de mantenimiento, alejándose del enfoque tradicional. No damos un paso, sino dos, al superar los límites del mantenimiento correctivo (cuando ya se ha producido la avería) y más allá del mantenimiento preventivo ‘de manual de instrucciones’.

El mantenimiento predictivo incrementa la tasa de operatividad, reduce los tiempos de inactividad, optimiza los costos operacionales y asegura que nuestros activos estén siempre en condiciones óptimas, minimizando el riesgo de fallos catastróficos.

En CT seguimos desarrollando algoritmos innovadores para convertir la predicción industrial en un arte. Seguimos avanzando.

Santiago Ferrer es Project Manager en CT.