Mantenimiento predictivo como sistema de alerta temprana
cuando una máquina sabe de antemano que se necesitan reparaciones.
Munich. Cuando se trata de mantener los sistemas de producción, la solución elegida en BMW Group es utilizar sensores, análisis de datos e inteligencia artificial (IA). Entonces, en lugar del enfoque anterior de mantenimiento basado en reglas a intervalos regulares, se lleva a cabo un mantenimiento predictivo, basado en la condición actual del sistema. Esto no solo evita tiempos de inactividad no programados en la producción, sino que también hace una contribución importante a la sostenibilidad y el uso eficiente de los recursos al garantizar una disponibilidad óptima del sistema. Actualmente se están implementando soluciones innovadoras de mantenimiento predictivo basadas en la nube en toda la red de producción global.
Mantenimiento predictivo como sistema de alerta temprana en producción.
La creciente digitalización del mantenimiento ha hecho que un enfoque predictivo sea cada vez más importante. Al monitorear el equipo y los datos de estado, el mantenimiento predictivo puede pronosticar fallas del sistema antes de que realmente ocurran. Para optimizar el mantenimiento de los sistemas, los datos se utilizan para decidir cuándo reemplazar los componentes como medida de precaución para evitar tiempos de inactividad innecesarios. El mantenimiento predictivo también mejora la eficiencia y la sostenibilidad al garantizar que los componentes intactos no se intercambien demasiado pronto.
Pronóstico de estados a través de una plataforma basada en la nube.
El mantenimiento predictivo utiliza una plataforma en la nube de vanguardia para obtener alertas tempranas sobre posibles tiempos de inactividad de la producción. Los datos provienen directamente de los propios sistemas de fabricación, que están conectados a la nube solo una vez, a través de una puerta de enlace, para su monitoreo, y luego transmiten datos constantemente, generalmente una vez por segundo. Los módulos de software individuales dentro de la plataforma se pueden encender y apagar de manera flexible, según sea necesario, para adaptarse a los requisitos cambiantes de inmediato. Y con un alto grado de estandarización entre sus componentes individuales, el sistema es globalmente accesible, altamente escalable y permite que nuevos escenarios de aplicaciones se implementen fácilmente y que las soluciones existentes se implementen rápidamente.
El mantenimiento predictivo permite que los procesos de mantenimiento y reparación se lleven a cabo según lo requiera la condición real del sistema y se planifiquen en tiempos de inactividad de producción ya programados. Las reparaciones se pueden orientar con mayor precisión y llevar a cabo de manera más rentable y rentable. Además, la ampliación de los tiempos de funcionamiento prolonga significativamente la vida útil de las herramientas y los sistemas. El principio rector detrás de la provisión de estas soluciones es: Desarrollado una vez, implementado con frecuencia, en toda la red de producción de BMW Group.
Variedad de aplicaciones.
Los sistemas flexibles y altamente automatizados en la producción de transmisiones mecánicas fabrican un motor convencional o una carcasa para un motor eléctrico cada minuto. Para mantener estas máquinas en buenas condiciones, el mantenimiento predictivo utiliza modelos estadísticos simples, o algoritmos predictivos de IA, en casos más complejos, para detectar cualquier anomalía. Luego emite advertencias y alertas visuales para informar a los empleados que se debe realizar el mantenimiento.
En el taller de carrocería, las pistolas de soldadura realizan unas 15.000 soldaduras por puntos cada una por día. Para evitar posibles tiempos de inactividad, los datos de las pistolas de soldadura de todo el mundo se recopilan mediante un software especialmente desarrollado. Luego se envía a la nube para ser recopilado y analizado con la ayuda de algoritmos. Todos los datos se muestran en un tablero para uso mundial para respaldar los procesos de mantenimiento.
En el montaje de vehículos, el mantenimiento predictivo ayuda a evitar tiempos de inactividad en los transportadores. En BMW Group Plant Regensburg, por ejemplo, las unidades de control de los sistemas de transporte funcionan las 24 horas del día, los 7 días de la semana para enviar datos sobre puntos como corrientes eléctricas, temperaturas y ubicaciones a la nube, donde se evalúan constantemente. Los especialistas en datos pueden identificar la posición, el estado y las actividades de cada elemento transportador en un momento dado. Los modelos de IA predictiva utilizan los datos para detectar anomalías y localizar problemas técnicos.
