El Mantenimiento Predictivo ahorra en gastos de funcionamiento

Tiempo de lectura aprox: 2 minutos, 25 segundos

.
Cómo los profesionales del mantenimiento pueden digitalizar sus procesos y reducir significativamente los costes de mantenimiento en el proceso.

Si las proporciones de mezcla en la industria farmacéutica dejan de ser correctas, el desastre es inevitable. En estas cadenas de procesos, cada calibración debe ser cien por cien correcta. Los fabricantes de productos farmacéuticos deben cumplir estrictas normas de pureza. Un sistema de control de estado comprensible ayuda al personal de mantenimiento a comprobar las fugas, los picos y las caídas de presión con solo pulsar un botón. De ello se deriva el mantenimiento predictivo.

Los expertos en digitalización, como el Dr. Sebastian Grundstein, director de ROI-Efeso, saben cómo enfocar el mantenimiento de forma profesional y preparada para el futuro. Asesora a las empresas que quieren optimizar su producción mediante procesos basados en datos.

El mantenimiento predictivo no está en venta

Programas CAD gratuitos para el dibujo técnico


En una entrevista concedida a PRODUKTION.de, el experto del sector ofrece importantes consejos a los responsables de la toma de decisiones y del mantenimiento. En el contexto de la Industria 4.0, Sebastian Grundstein señala al principio de la entrevista que “el mantenimiento predictivo no es una compra de producto que digitaliza y optimiza mis procesos de la noche a la mañana.”

Cualquiera que quiera mantener sus procesos de producción de forma predictiva y confiar en los datos fiables de la monitorización del estado debe invertir primero en una infraestructura digital.


¿Por qué es tan importante el mantenimiento predictivo para la cadena de producción?


Para digitalizar los datos de los procesos, no sólo se necesita el software adecuado, sino también el hardware en red. “Para analizar los datos, muchos responsables de mantenimiento solo se fijan en la máquina”, afirma el experto en Industria 4.0 de ROI-Efeso.Sin embargo, el análisis de datos sólo es eficaz si incluyo todo el entorno de producción en el análisis”

Lee también:   El gobierno alemán pretende construir la mayor colección de videojuegos en el Computerspielemuseums Berlin

“Nuestro enfoque de consultoría se basa siempre en la premisa de cómo reduzco los costes de mantenimiento de la operación”

En términos de retorno de la inversión, las inversiones monetarias en hardware y software suelen ser manejables. “Si una máquina se avería sin previo aviso, las pérdidas de producción suelen costar mucho más al empresario”.

Estudio de caso sobre el mantenimiento predictivo


Un interesante estudio de caso de la industria farmacéutica muestra que el mantenimiento predictivo de equipos altamente sensibles no tiene por qué ser complejo, si el mantenimiento hace sus deberes.

Los ingenieros de mantenimiento de la empresa se pusieron en contacto con los especialistas de ROI-Efeso porque una válvula de la bomba estallaba regularmente en su producción. En consecuencia, esta circunstancia provocó la adopción de medidas de mantenimiento no planificadas en la pieza defectuosa de la máquina. Si hay desviaciones en los flujos de datos, “tienen que repasar cada proceso, medirlo todo y volver a poner la máquina en funcionamiento, lo que supone unos costes horribles”, afirma el experto en consultoría.

Cuando Sebastian Grundstein y su equipo de analistas de datos empezaron a trabajar con el cliente, se presentaron inicialmente dos problemas. En primer lugar, el fabricante farmacéutico había introducido un nuevo producto cuya demanda superaba rápidamente la oferta. En segundo lugar, en la tecnología de las válvulas seguía produciéndose el problema antes mencionado: la mezcla de la solución líquida del fármaco tenía fugas. “Como resultado, el equipo de mantenimiento tuvo que sustituir periódicamente toda la unidad de mezcla de forma imprevista y revalidar todo el proceso. El esfuerzo técnico y la pérdida de ingresos ya no eran aceptables para la empresa”

Lee también:   Ensamblaje modular de Audi, pura Industria 4.0

Implantación de la tecnología de sensores


El siguiente paso fue optimizar los datos de los sensores añadidos. El análisis se realizó durante un periodo de 4 a 6 semanas hasta que se pudo encontrar el error a partir de la interacción del control de los datos y la evaluación de los mismos. Normalmente, el análisis de los datos se realiza en varios bucles. Utilizando métodos visuales y de aprendizaje automático. “Al final, detectamos micro saltos en una línea de presión. Los parámetros desfavorables habían provocado presiones excesivas en puntos de la línea”. Al suavizar estas curvas en el MES, el ingeniero de mantenimiento no notó estos picos.

votes
Article Rating
Subscribe
Notificación de
0 Comments
Inline Feedbacks
View all comments