Los días 13 y 14 de octubre la Dra. Viviana Meruane participó en el encuentro de Innovación Pública Innovapolinav 2022, donde presentó los resultados del proyecto Desafío Avante 2021, que fue generado en el marco del Programa de Innovación en Manufactura Avanzada. La tecnología presentada fue la plataforma PredictiveLab, que permite la identificación de fallas en equipos y sistemas mediante el procesamiento de datos de monitoreo e Inteligencia Artificial. En este caso, enfocado en los motores diesel de los buques OPV de la Armada, entregando alertas tempranas para prevenir fallas imprevistas e información crucial para la toma de decisiones de mantenimiento.
CALMLY: El Spin Off del Programa de Innovación en Manufactura Avanzada que soluciona los problemas relacionados a las predicciones del estado de salud de maquinarias y su mantenimiento
Dentro del sector industrial, día a día, se realizan todo tipo de acciones con el fin de mejorar la producción e incrementar el volumen de ventas. Una falla imprevista puede provocar un colapso de los sistemas, además de un costo alto para la empresa que lo sufre, y varios riesgos de seguridad para las personas operarias e incluso generar impactos sociales o medioambientales catastróficos. De ahí la importancia de evitar este tipo de problemas con las soluciones tecnológicas ofrecidas por Calmly, nuevas tecnologías que ayudan a las empresas a aumentar la productividad y la vida útil de sus equipos, cuidando su capital humano y ,por sobre todo, su presupuesto.
La iniciativa nace del Programa de Innovación en Manufactura Avanzada (IMA+), proyecto financiado por Corfo, y permite que las empresas implementen un diagnóstico automatizado del estado de salud de los equipos, que resulta en un aumento en la vida útil de éstos, mayores niveles de seguridad, menores costos de ciclo de vida y una reducción de las emergencias asociadas a fallas imprevistas, y que además entrega gobernanza a los tomadores de decisión, ya que pueden planificar la operación de la maquinaria, transformándose en un servicio de apoyo al diseño de planes, programas y acciones de mantenimiento a los tomadores de decisión.
En la actualidad, la mayoría de los equipos y sistemas están siendo monitoreados en línea, generando enormes volúmenes de datos (Big Data). Esto abre una gran oportunidad para desarrollar técnicas de mantenimiento predictivo basados en el Internet de las cosas (IoT) y Aprendizaje de Máquinas. Según un nuevo informe de investigación de mercado[1], la industria mundial de mantenimiento predictivo se valoró en 3.550 billones de dólares en 2019 y se prevé que alcance los 10.84 billones de dólares en 2027. Los principales desafíos se relacionan con la incapacidad de manejar volúmenes crecientes de datos disponibles, procesarlos, obtener información valiosa y luego rediseñar los procesos de mantenimiento en función de esta información.
Los sistemas de monitoreo de condición de equipos industriales basados en Inteligencia Artificial (IA) pueden ser aplicados a cualquier equipo que sea crítico para operaciones relacionadas con producción de bienes o servicios, defensa, ciencia u otros. Entre las aplicaciones relevantes para el ambiente nacional se encuentran las maquinarias de transporte de carga o personas, militares y civiles, navales, aéreos o terrestres; maquinaria minera como chancadores, molinos SAG y correas transportadoras; sistemas de generación de energía como turbinas hidráulicas o eólicas; y equipos críticos en la industria papelera, de manufactura y metalmecánica, entre otras.
De acuerdo al informe “Estudio fuerza laboral de mantenimiento en la industria chilena” , en Chile quienes demandan mayores servicios asociados a mantenimiento son las empresas asociadas a la minería (16%), construcción (15%), metalmecánica (12%), manufactura (9%), energía (9%) y forestal (8%). Los principales impulsores para implementar estrategias de monitoreo de condición en base a IA son los avances en la tecnología de sensores y sensorización de los equipos industriales, el aumento por la demanda de análisis en tiempo real y la creciente adopción de sistemas autónomos. La progresiva incorporación de plataformas IoT en la industria genera una oportunidad importante para la incorporación de este tipo de estrategias.
En este sentido la directora de la iniciativa, Dra. Viviana Meruane, indica la importancia de invertir en tecnologías que permitan modernizar el quehacer industrial chileno y sus ventajas. “Las necesidades de mejorar las estrategias de mantenimiento están asociadas a reducir los costos, aumentar la disponibilidad de los activos, reducir los riesgos de seguridad, salud, medio ambiente y calidad, y prolongar la vida útil de un activo”, agregando que: “Los principales actores involucrados son: gerentes, superintendentes de operaciones, supervisores y operadores de mantenimiento, todos quienes se ven beneficiados al aumentar la disponibilidad de los equipos, lo que permite cumplir con las metas de producción; optimizar la planificación de los sistemas y mejorar los KPI, del inglés Key Performance Indicator, asociados a disponibilidad, confiabilidad, y costos, entre otros”.
La tecnología ya está siendo implementada en empresas, destacándose Minera Escondida y La Armada de Chile, entre otras.
La solución ofrecida por CALMLY utiliza tres plataformas informáticas:
PredictiveBuilder: La aplicación consta de cuatro módulos fundamentales que permiten llevar a cabo el proceso completo de construcción y evaluación de un modelo de identificación de fallas en equipos industriales. Este proceso se basa en modelos de aprendizaje de máquinas que pueden ser actualizados y reemplazados fácilmente en cualquier momento desde la misma aplicación.
Es importante hacer notar que los algoritmos disponibles en cada módulo han sido desarrollados para el problema específico de identificación de fallas en equipos industriales, los que han sido validados con datos de equipos reales. Esto ha sido el resultado de 3 años de investigación y desarrollo por parte del equipo asociado al Programa de Innovación en Manufactura Avanzada (IMA). La aplicación permite utilizar modelos pre-existentes desarrollados por el equipo de IMA+ o la construcción de nuevos modelos.
gIA: Un factor crítico en el monitoreo de condición en base a Inteligencia Artificial (IA) es la calidad de la información. En consecuencia, es de vital importancia contar con una plataforma que mantenga de forma ordenada y accesible la información necesaria para desarrollar y evaluar los algoritmos de monitoreo de condición. gIA (Gobernanza para la Inteligencia Artificial) es una plataforma que permite conectarse a los sistemas de adquisición de datos de los equipos y a los sistemas ERP de las empresas (como SAP) para respaldar y ordenar la información de monitoreo y de registro de fallas de equipos de una empresa divididos por áreas, sub-área y tipo de equipos. Permite además registrar información de monitoreo manual de equipos (inspecciones con termografías, análisis de aceites, ultrasonido y otros), recibir las predicciones de estado de salud obtenidas con algoritmos de inteligencia artificial y la interacción con analistas especialistas en mantenimiento predictivo. A partir de esta información se pueden determinar distintos indicadores clave (KPI) asociados al mantenimiento y al estado de salud de los equipos y emitir informes de forma automatizada. Todo esto resulta en información útil y atingente para la planificación del mantenimiento de los equipos.
PredictiveLab: Es una aplicación que entrega de forma visual y amigable las predicciones del estado de salud de los equipos monitoreados. Utiliza la información de monitoreo proveniente de gIA y los algoritmos de aprendizaje de máquinas desarrollados en PredictiveBuilder. Los usuarios pueden ver el monitoreo por área, subáreas y equipos o acceder directamente a la información de monitoreo de un equipo en particular escaneando un código QR. Se pueden visualizar indicadores asociados al estado de salud de los equipos, alarmas emitidas por los algoritmos de monitoreo en base a inteligencia artificial y también en base a umbrales asociados a cada variable monitoreada. Los usuarios pueden ver en detalle las mediciones de un equipo y validar o descartar las alarmas del sistema de monitoreo. En caso de validar una alarma, se pueden incorporar órdenes de trabajo asociadas a tareas de mantenimiento. Toda la información generada en PredictiveLab (índices del estado de salud, alarmas y ordenes de trabajos) se transfieren a gIA donde se mantiene un respaldo de toda la información de una planta.
[1] «Global predictive maintenance market research report». Market Research Future, 2021.