Leer la revista online
Leer la revista online
 

Innovación y Tecnología

Cómo decirle adiós a los paros no programados en la industria


por Cluster Industrial 2020-11-02 15:44:00 Compartir

Los programas de mantenimiento tradicionales a veces pueden parecer una tortura, pero hay soluciones accesibles que, además, pueden llevarte al siguiente nivel de eficiencia y productividad.


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?

 



CONECTIVIDAD
INDUSTRIA
INTELIGENCIA ARTIFICIAL
MÉXICO
OPORTUNIDADES COMERCIALES
PRODUCCIÓN
TECNOLOGÍAS

Utilizamos cookies para asegurar la mejor experiencia en nuestro sitio web. Si se continúa navegando asumiremos que se está de acuerdo con nuestra política de cookies.

X