Garantizar una instrumentacin de calidad

No es una sorpresa que los datos sean la piedra angular. Para que el
mantenimiento predictivo (PdM) funcione, el equipo crtico debe estar
instrumentado completamente con sensores. Estos sensores, a la vez,
deben estar conectados a una instalacin de recopilacin de datos
central y estructurada (p. ej. el historial).

Esta es una buena prueba para determinar si se han usado los

sensores correctos: El ingeniero de confiabilidad puede usar un
extracto completo de datos que se recopilan automticamente para
crear una imagen informada del estado de los activos? Si es as, hay
esperanza en la transferencia de este conocimiento en el algoritmo de
mantenimiento predictivo (PdM) y la aplicacin a una escala mucho
mayor a travs de todo el conjunto de sensores.

Si hay lecturas de sensores crticos que solo se realizan manualmente

o estn disponibles de manera fragmentada en mltiples sistemas,
usarlas para el mantenimiento predictivo (PdM) ser desafiante pero
posible.

Habilitar registros de eventos

Al conocer cmo introducir ms automatizacin en la recopilacin de
datos, pueden establecerse valiosas fuentes de datos a partir de las
cuales los sistemas de mantenimiento predictivo (PdM) se pueden
beneficiar directamente. A pesar de lo que diga la intuicin, conocer
100 casos de fallas pasadas puede ser ms importante que tener
terabytes de lecturas de sensores.

Si los datos se encuentran en hojas de clculo o correos electrnicos,

sera til comenzar a capturarlos en su sistema de mantenimiento. Los
tiempos de inactividad, fallas y reparaciones deben registrarse,
etiquetarse y describirse. Omitir eventos crticos o no etiquetarlos
correctamente reduce el valor potencial del mantenimiento predictivo
(PdM).

Identificar activos prioritarios

El mantenimiento predictivo (PdM) debe ser puesto en marcha de
forma controlada y activo por activo. Por lo tanto, elegir por dnde
comenzar y cmo priorizar es importante. Los ingenieros de
confiabilidad deben proporcionar informacin al evaluar qu datos son
relevantes, qu clases de activos son predecibles, as como cundo
las oportunidades de tiempo de inactividad o reduccin de la inversin
son las mejores.
 Trabajar estrechamente con cientficos de datos
Es probable que los cientficos de datos se involucren en la creacin
de modelos predictivos basados en datos pasados. Buscarn reunir,
limpiar y estructurar conjuntos de datos y luego revelar y aprovechar
correlaciones ocultas.

Es tentador ver este proceso como una caja negra, por lo que un
conjunto establecido de tcnicas revelar informacin adicional y
reemplazar el razonamiento humano. Sin embargo, es lo opuesto, se
debe captar la experiencia de ingeniera de confiabilidad en cada paso
y el algoritmo es una mejora que ser utilizada por el ingeniero de
confiabilidad para descubrir ms oportunidades de mantenimiento.

Los cientficos de datos debern entender la precisin del sensor, el

comportamiento antes de que el sensor falle, el comportamiento antes
de que la mquina falle y el tipo de sensor. Todo lo que hagan se
basar en la informacin obtenida en este proceso. Por ejemplo, en el
caso de una falla por vibraciones, probablemente se aplicar la
transformacin de Fourier para recuperar las seales correctas
mientras que una simple falla por degradacin puede detectarse
mediante promedios mviles.

Encontrar una nueva manera de trabajar

Por ltimo, puede esperar que el mantenimiento predictivo (PdM)
cambie la manera en que funciona la organizacin de mantenimiento.
La impresin del informe de la maana ser reemplazada y los
programas de mantenimiento preventivo (PM) darn paso a las
predicciones de mantenimiento predictivo (PdM). Una gran parte de
las inspecciones se realizarn de forma remota y los sistemas de
mantenimiento heredados se complementarn con herramientas
nuevas y ms modernas.

El ingeniero de confiabilidad debe asumir un papel activo y adaptar

herramientas que se basan en el mantenimiento predictivo (PdM) para
lograr maneras de trabajar nuevas y ms efectivas que se basen en la
realidad. La mejor manera de hacer esto es que ninguna de las partes
invente soluciones, deben trabajar juntos y desarrollar una solucin
que sea viable desde una perspectiva tcnica y valiosa desde una
perspectiva de ingeniera.

Conclusin
El mantenimiento predictivo (PdM) funciona mejor cuando los
ingenieros de confiabilidad estn a cargo de la transformacin. Su
experiencia es irremplazable y debe ser aprovechada para guiar la
 recopilacin de datos, la identificacin de casos de uso, la creacin de
modelos predictivos y el desarrollo de la experiencia del usuario. Solo
entonces el mantenimiento predictivo (PdM) alcanzar todo su
potencial.

Referencias

1. McKinsey Global Institute. The Internet of Things: Mapping the Value

Beyond the Hype. Predictive Maintenance, pp. 70. McKinsey &
Company, June 2015. http://www.mckinsey.com/business-
functions/digital-mckinsey/our-insights/the-internet-of-things-the-value-
of-digitizing-the-physical-world