INDUSTRIA Y MANTENIMIENTO
Predicción de fallos de equipos: una probabilidad por máquina, con sus causas
La predicción de fallos de equipos con TIMi estima la probabilidad de que un equipo falle a un horizonte dado, a partir de sus datos de explotación, y muestra los factores que hay detrás de la puntuación.
Probabilidad por equipo
A un horizonte que defines con los equipos técnicos.
Un modelo por tipo de equipo
Las señales de alerta difieren de un tipo de equipo a otro.
Explicado variable a variable
Cada probabilidad incluye los factores que pesan en ella.
CÓMO FUNCIONA
Cómo funciona la predicción de fallos de equipos.
Tres pasos, en un solo motor, en un servidor estándar sin clúster.
1. Preparar los datos
Anatella reúne los datos de explotación del equipo y el historial de fallos ya observados, y los estructura en variables.
2. Construir el modelo
Modeler estima, para un equipo dado y un horizonte definido, una probabilidad de fallo a partir de las señales observadas.
3. Puntuar y explicar
Cada equipo recibe una probabilidad de fallo con los factores que hay detrás, variable a variable.
Anatella
ModelerEN QUÉ SE DIFERENCIA
Predicción de fallos y mantenimiento predictivo.
Una es el bloque de construcción, la otra es el proceso que la rodea.
Una señal, y luego una acción
La predicción de fallos produce una señal: la probabilidad de que un equipo falle a un horizonte dado. El mantenimiento predictivo es el proceso más amplio que usa esa señal para planificar una intervención (cuándo, en qué pieza, con qué recursos).
Elegir un horizonte realista
Depende del tipo de equipo y de lo rápido que una señal de alerta se convierte en un fallo. En SANY, se anticiparon averías críticas de motor en menos de una hora. El horizonte se define con los equipos técnicos.
Un modelo por tipo de equipo
Normalmente se construye un modelo distinto para cada tipo de equipo, porque las señales de alerta difieren de uno a otro.
EXPLICABILIDAD
Una probabilidad dice cuánto. Los factores dicen qué tipo de riesgo.
Una probabilidad de fallo por sí sola da un nivel de riesgo, no lo que lo determina. Un modelo de caja blanca muestra los factores de la puntuación para ese equipo, lo que ayuda a distinguir el desgaste normal de una anomalía de funcionamiento reciente.
Para los equipos técnicos
La naturaleza del riesgo identificado guía directamente el tipo de revisión que hay que hacer.
Para priorizar los recursos
Cuando varias máquinas presentan un riesgo alto, entender la causa ayuda a decidir cuál atender primero.
Para los responsables de los modelos
El Drift Report integrado en Modeler muestra cuándo un modelo pierde precisión, para actualizarlo cuando hace falta y no en una fecha fija.
DATOS
Los datos que utiliza un modelo de fallos.
Anatella se conecta a más de 80 fuentes, por lo que estos datos se pueden reunir sin desarrollo a medida previo.
Datos de sensores y de explotación
Temperatura, vibración, presión, según el equipo.
Historial de fallos
Fallos ya observados.
Condiciones de funcionamiento
Carga, ritmo, entorno.
Edad y mantenimiento
Edad del equipo e historial de mantenimiento.
PRUEBAS
La predicción de fallos en producción.
SANY y GX Labs son nuestras referencias en la predicción de fallos en equipos pesados.
AUC superior al 98 % con solo 107 fallos históricos
El modelo identificó los umbrales de temperatura que llevaron a una parada del motor en menos de una hora, lo que permitió una acción preventiva inmediata.
Fallos de bombas previstos en 5000 pozos
Los modelos sobre 500 sensores y 4000 variables derivadas respaldan la detección temprana de fallos y el análisis en tiempo real de señales débiles.
FAQ
Preguntas frecuentes.
¿Es distinto del mantenimiento predictivo?
El principio de modelado es el mismo. La diferencia está en el uso: este caso de uso trata de la señal de riesgo que produce el modelo, mientras que el mantenimiento predictivo es el proceso completo que usa esa señal para actuar.
¿Funciona con un equipo que nunca ha fallado?
Es más difícil sin historial de fallos, pero un modelo puede apoyarse en equipos comparables ya monitorizados para construir una primera estimación.
¿Qué horizonte de predicción es realista?
Depende del tipo de equipo y de la rapidez con la que una señal de alerta evoluciona hasta convertirse en un fallo. El horizonte se define con los equipos técnicos, según el contexto.
¿Puede un solo modelo gestionar varios tipos de equipo?
Normalmente se construye un modelo distinto para cada tipo de equipo, ya que las señales de alerta difieren de un equipo a otro.
CASOS DE USO RELACIONADOS
Sigue explorando.
Mantenimiento predictivo
Anticipa los fallos de los equipos a partir de los datos que ya recoges, con las razones.
Predicción de paradas de equipos
Estima cuánto durará una parada y cuánto costará en producción.
Modelado de la degradación de activos
Modela cómo evoluciona el estado de un activo con el uso y estima su vida útil restante.
COMPRUÉBALO TÚ MISMO
Pruébalo con tus propios datos.
Prueba TIMi con tus propios datos con una prueba gratuita, o cuéntanos tu caso.
