Gestión del mantenimiento avanzado en la era

de la digitalización

Egoitz Konde, Coordinador de la solución Mantenimiento Industrial, IK4-TEKNIKER

INDUSTRY 4.0 – DE LA AUTOMATIZACIÓN A LA DIGITALIZACIÓN

OBSERVAR

ANALIZAR

PREDECIR

PREVENIR

REACTIVAIncluso las plantas más

automatizadas se centran en

analizar lo que ha ocurrido en

el pasado

PROACTIVADisponer de información en

tiempo real permite tomas

decisiones basadas en lo que

puede ocurrir en el futuro.

Nivel de campo

Operarios

GestiónD

E L

A A

UT

OM

AT

IZA

CIÓ

N A

LA

DIG

ITA

LIZ

AC

IÓN

INTEGRACIÓN HORIZONTALINTEGRACIÓN VERTICAL

I4.0 = ?

SERVITIZACIÓN – DIFERENTES NEGOCIOS

• Proveedores de servicios Mas productos y servicios

de soporte al mantenimiento y servitización

• Componentistas Servicios de mantenimiento añadidos

a venta de producto

• OEM e integradores Desarrollo estrategias de negocio

de venta de soluciones y servicios

• Usuarios finales Servitización como ayuda en el

enfoque en los aspectos ‘core’ del negocio

SITUACIÓN ACTUAL - TECNOLOGÍAS

MANTENIMIENTO PREDICTIVO – PRODUCTOS?

SITUACIÓN ACTUAL

MUCHOS DATOS = ?Y SI NO HAY DATOS?

… INTERPRETAR DATOS NO ES FACIL….

VIBRACIÓN ACEITE

Pre-alarma

Alarma

TRANSMISSION ERROR

ENCODER

mRad

… Y CONSEGUIRLOS TAMPOCO

BANCOS ENSAYOS ESTANDAR

(Componente)

LABORATORIO TRIBOLOGÍA

(Probetas)

BANCOS ENSAYO

ESPECIFICOS

(sistema completo)

ENGRANAJES RODAMIENTOS

¿POR DÓNDE EMPEZAMOS?

• Conocimiento! – Experiencia!• En la empresa

• En el CCTT

• A partir de los ensayos ad-hoc

• Tecnologías que facilitan la integración de este conocimiento• Reglas, modelos, … (digital twin)

• Y los datos ??… SI

• contexto / adaptación a partir del feedback

Aproximación tecnológica multidisciplinar

Estadística/

Matemática

Informática/

IT Data

Science

Dominio/

Conocimiento del

negocio

Software Tradicional

Investigación tradicional

Machine Learning

Data Science

Fusión de la Información & IntegraciónSensores, BBDD, Tests experimentales, SCADA, …

Data <-> Modelado del

conocimiento

Modelado de datos (Machine

Learning, Análisis de series

temporales, Estadística, Quimiometría,

Análisis de fiabilidad..), Razonamiento

(reglas), Optimización, Simulación,

Semántica, Analítica Visual

Tecnologías

Descriptivo

Diagnóstico

Predictiva

Prescriptiva

¿Qué ha pasado?

¿Por qúé pasa?

¿Qué va a pasar?

¿Qué debemos hacer?

Exp

lora

ció

n y

trata

mie

nto

de d

ato

sO

pen D

ata

Conecta

do, O

nto

logía

s, P

rocesado d

e D

ato

s, D

escrip

tivo

(Pro

cesado d

e S

eñal, S

ele

cció

n y

Extra

cció

n d

e c

ara

cte

rístic

as,…

, )

Pre

sen

tació

n a

nd

Vis

ualiz

ació

n A

van

zad

aM

ultid

ispositiv

o, M

oto

res G

ráfic

os, M

ovilid

ad, In

form

es …

Co

mu

nic

ació

nE

stá

ndare

s, S

OA

, Clo

ud, In

tero

pera

bilid

ad…

CASO PRÁCTICO : GOIZPER

Wave Line: Press Line in Continuous Mode with Robots

... y en el corazón de

estas máquinas hay un

componente crítico, el

sistema que transmite la

potencia, el freno-embrague

El Freno-Embrague

… un fallo de los frenos embragues no detectado puede generar pérdidas de miles de Euros.

Paradas deMáquina

(2 d – 2 s)

Peligrosde

Accidente

DISPONIBILIDADDe MÁQUINA

0

ACCIDENTES COSTES DE MANTENIMIENTO

COMPONENTES SMART

INVERSIÓN EFECTIVA

RESPUESTA EFECTIVA

GRAN IMPACTO

ROI CLARO

PARKE TEKNOLOGIKOA

C/ Iñaki Goenaga, 5

20600 EIBAR GIPUZKOA

SPAIN

www.tekniker.es

Antigua, 4

20577 ANTZUOLA

GIPUZKOA

SPAIN

www.goizper.com