Por Jair Pérez, CEO de Gesta
Labs
Mail: jair@gestalabs.com
Si hay un problema que tiene
intranquilo a un director de Operaciones definitivamente es el de los paros no
programados que ocurren en las máquinas y equipos. De acuerdo con el Centro
Estadounidense de Calidad y Productividad, el tiempo de inactividad no
planificado representa una pérdida de entre 0.40 y 1.20 dólares por cada 20
dólares de ingresos, pero quizá haya un costo oculto.
'80% de las plantas
industriales no logra medir con precisión el tiempo de inactividad y, en las
que sí pueden, el tiempo de inactividad está subestimado hasta en 300%',
señala, por su parte, Fabio Perini, una firma italiana especializada en diseño
y fabricación de maquinaria.
Los paros no programados son
todos esos eventos imprevistos que nos obligan a detener un equipo o una
máquina para resolver algún problema. Son muy importantes porque impactan
aspectos como calidad o el ciclo de producción, lo que afecta directamente la
rentabilidad de las plantas como unidades de negocio.
Generalmente ocurren por
fallas y daños en los equipos y máquinas, cuya causa-raíz suele ser un mal
programa de mantenimiento o un mantenimiento mal ejecutado. También pueden
suceder por problemas de calidad en algún proceso o producto, el cual obliga a
detener los equipos para corregirlos. Los tiempos de inactividad varían
dependiendo la complejidad del problema o de la falla, pero sin duda tienen un
impacto económico.
Calcularlo exige determinar aspectos
tangibles como la pérdida de ingresos, la disminución de la capacidad de
producción, el tiempo de inactividad de los empleados y los costos adicionales
asociados con la programación de equipos de reparación de emergencia. Pero las
pérdidas también implican retrasos en las entregas al cliente, reducción de
utilidades y beneficios, reparaciones y servicios de mantenimiento mal
ejecutados, altos costos de reparación e, incluso, riesgos a la seguridad de
los trabajadores por trabajos de emergencia.
Actualmente, las empresas
ejecutan programas de mantenimiento que no son del todo eficientes, pues muchos
están basados en el Mantenimiento Productivo
Total (TPM por sus siglas en inglés),
un concepto que nació en Estados Unidos y tiene sus principales antecedentes en
los conceptos de mantenimiento preventivo que tuvieron mucho auge en los años
50. Su principal problema es que consiste en revisiones periódicas que se basan
en las recomendaciones técnicas del fabricante de la máquina, las cuales son
muy generales y distan del uso real que le has dado al equipo en tu planta. Las
empresas manufactureras también suelen hacer trabajos de forma reactiva,
mediante mantenimientos correctivos a los equipos una vez que suceden las
fallas, cuando el costo y la presión ya está encima.
¿Por qué lo hacen
así? Por falta de información o
datos digitales. Generalmente, los equipos operativos registran de forma manual
los trabajos de mantenimiento que realizan en los equipos. La información fluye
a destiempo.
Una simple solución de IoT
tiende a corregir estas inspecciones manuales. Mediante sensores
específicos -que son accesibles y no invasivos-, un equipo puede empezar a
generar datos en tiempo real de las variables más críticas, por ejemplo,
vibración, temperatura, potencia o, incluso, ciclos de producción. Con esta
herramienta, la empresa puede ver, en tiempo real, la condición del equipo y
recibir alertas cuando algo va mal, actuando de forma mucho más anticipada y
reduciendo los tiempos de inactividad, pero, incluso, el impacto de la solución
puede ir mucho más allá.
Si los equipos operativos y de
mantenimiento comienzan a almacenar esos datos durante algunos meses, en los
que, digamos, ocurrieron fallas y anomalías que fueron registradas por las
máquinas, un equipo de ciencia de datos -de la empresa o de un proveedor
especializado en inteligencia artificial para manufactura- podría tomar esta
información y desarrollar algoritmos de Machine Learning para ‘enseñarle’ a esa
máquina a ‘aprender’ a detectar patrones de fallo, de tal modo que envíe
alertas antes de que la avería suceda. Eso es, a grosso modo, una solución de
mantenimiento predictivo que tiene todo el potencial para dejar atrás estos
problemas.
Por supuesto, hay que hacer
experimentos antes de llegar a la solución ideal, pero, si se hace bien, puede
tener un alto impacto en la organización.
Así que, sin duda, esta era
nos ofrece nuevas herramientas para dejar atrás algunas de las formas en las
que hacemos las cosas para avanzar hacia esquemas más eficientes y productivos.
Así que, ¿te animas?
Recibe las noticias más
importantes de la industria en tu email
