Altran360

El blog de innovación y tecnología de Altran España

Plataforma de mantenimiento basado en condición CBM de material rodante

| 1 Comentario

Introducción: el contexto del mantenimiento basado en condición CBM

El mantenimiento basado en condición (CBM) nace en un contexto en el que la cultura de Mantenimiento comúnmente establecida a nivel global se caracteriza en una combinación de tareas Correctivas y Preventivas (basadas en la experiencia), con baja implementación de Mantenimiento Predictivo. Debido a esto, los RETOS de mejora a los que se enfrentan las empresas son:

  • Alto coste de mantenimiento provocado por;
    • Elevada dedicación horas/hombre;
    • Elevada frecuencia de las tareas;
    • Mantenimiento del Fabricante, de carácter altamente conservador.
  • Problemas de disponibilidad de los activos.
  • Fallos repetitivos, por falta de análisis y predicción de los mismos.
  • Desconocimiento de la Vida Útil y falta de Información sobre el estado de los mismos.

El camino hacia la Excelencia en el Mantenimiento comienza por una planificación del Mantenimiento basada en la Disponibilidad de los Activos, evitando tareas de Correctivo Urgente. En este Plan de Mantenimiento deberá tener una elevada implicación las tareas de Preventivo, Predictivo y Mantenimiento Basado en Condición CBM (Condition Based Monitoring/Maintenance).

Las ventajas adquiridas tras la implementación de tareas de Predictivo/CBM son:

  • Monitorización de ciertas variables que informen sobre el estado de los equipos, pudiéndose alargar los plazos de mantenimiento hasta estar muy próximos al Fallo Funcional.
  • Detección/Predicción de desgastes críticos o posibilidad de rupturas.
  • Reducción de costes de Mantenimiento (frecuencias, horas/hombre, repuestos) y de oportunidad (mayor de disponibilidad de activos).

Pero… ¿cuál es la diferencia entre Mantenimiento Predictivo y CBM?

Mantenimiento predictivo y CBM

El Mantenimiento Predictivo aúna tareas de mantenimiento y supervisión ejecutadas en “batch”, anteriores al fallo, con una frecuencia marcada por secuencia de tiempo, cantidad producida, horas de funcionamiento…

La finalidad de un buen Plan de Mantenimiento Predictivo incluye el evitar averías durante el funcionamiento; alcanzar, del modo más eficiente, la vida útil teórica y/o detectar desgastes críticos o posibilidad de rupturas.

El CBM (Condition Based Monitoring/Maintenance) establece un control continuo de parámetros definidos de los equipos/sistemas supervisados. El tener una monitorización ininterrumpida, supone la necesidad de herramientas tecnológicas e informáticas específicas, además de una buena definición de la arquitectura de sensores.

Las principales ventajas obtenidas tras implementar sistemas CBM son la monitorización continua de la condición mecánica de los equipos críticos y la identificación/predicción de problemas.

Cabe puntualizar que en un CBM se pueden incluir tanto monitorizaciones continuas como aquellas tareas en batch. Los tipos de Análisis que se pueden implementar son:

  • Monitorización continua:
    • Análisis de Vibraciones;
    • Análisis Acústicos;
    • Análisis de Temperaturas y Presiones;
    • Monitorización eléctrica;
    • Análisis de Fallos;
    • Análisis de la dinámica operacional;
  • Monitorización discontinua:
    • Termografías;
    • Tribología;
    • Inspecciones Visuales.

Retos de mantenimiento en el sector ferroviario

A nivel global, en el sector ferroviario, los fallos y averías de los activos críticos afectan directamente al rendimiento, al coste de operaciones y a la rentabilidad.

En el gráfico siguiente se observa la distribución de los costes durante la vida de 40 años de material rodante:

costes material rodante altran

Desglose costes vida 40 años de material rodante (Fuente: ORR.GOV.UK)

En la tabla siguiente se muestran los costes de mantenimiento ferroviario en España:

coste vida locomotora

Costes de mantenimiento locomotora en España (Fuente: Observatorio Ferrocarril)

De media, en el sector, el coste de mantenimiento de los equipos se reparte de la siguiente manera:

  • 20% correctivo;
  • 75% preventivo;
  • 5% predictivo.

Beneficios del Predictivo/CBM en el Sector Ferroviario

El implementar herramientas de monitorización on-line de los activos embarcados supone una serie de beneficios de índole notable:

  • Alcanzar la “vida útil” de los activos;
  • Reducción de tareas de mantenimiento y aumento de la disponibilidad de los activos;
  • Notificaciones en tiempo real.
  • Monitorización del rendimiento de los activos;
  • Monitorización Predictiva:
  • Sistemas de alerta temprana.
  • Reconocimiento de patrones de fallo – PRONÓSTICO.

Estos beneficios se ven cuantificados en forma de ahorros para la empresa mantenedora, en niveles mostrados a continuación:

beneficios CBM

Beneficios del Predictivo/CBM en el Sector Ferroviario (Fuente: Passenger Rolling Stock Maintenance)

Enfoque de trabajo para el desarrollo CBM

Para poder elaborar una herramienta software CBM para la monitorización del mantenimiento mediante predicción de fallos y análisis de la vida útil de los equipos embarcados, es necesaria la convergencia y dominio de las siguientes competencias:

mantenimiento basado en condicion CBMIngeniería de mantenimiento

Esta competencia se orienta hacia el alcance de la Máxima Fiabilidad/Disponibilidad de los Equipos con el Menor Coste (Mayor Eficacia y Eficiencia).

  • Es importante controlar esta competencia para poder:
  • Analizar los ratios de Correctivos.
  • Optimizar los Preventivos de Fabricante o Basados en la Experiencia, enfocándolos hacia la Disponibilidad de los Activos. Esto favorece:
    • Una mejor distribución de tareas.
    • Una mayor gestión de repuestos, proveedores y subcontratas.

 

Competencias de ingeniería de mantenimiento

Competencias de ingeniería de mantenimiento

Últimos avances tecnológicos

Es de elevada importancia conocer los últimos avances tecnológicos en:

  • Integración de dispositivos/equipos, detección, recopilación y procesado en local de los datos.
  • Despliegue de comunicaciones para transporte de datos de dispositivos/equipos/sistemas.
  • Pre-procesado de datos: Corrección y normalización de datos
  • Desarrollo/integración plataformas informáticas.

Siempre teniendo en cuenta la elevada complejidad, porque suelen ser sistemas heterogéneos, con diversas tecnologías integradas en diferentes ecosistemas. Además, en la actualidad del IoT, no nos podemos olvidar de la Seguridad Informática:

  • Regulaciones y normas
  • Restricciones de seguridad
  • Cyber-seguridad
Expertise en últimos avances tecnológicos

Expertise en últimos avances tecnológicos

Analítica avanzada

La analítica avanzada es necesaria con el fin de, extraer valor añadido de los datos históricos (o generados), correspondientes a las variables más influyentes en el estado de los equipos críticos.

Esta metodología se emplea para generar conocimiento en base a la experiencia, mediante el empleo de algoritmia con “autoaprendizaje”.

El valor añadido de la Analítica Avanzada es que se puede emplear para la definición y puesta en marcha de acciones con impacto directo en el negocio.

La analítica avanzada se puede dividir en:

  • BUSINESS INTELLIGENCE: Beneficios inmediatos
    • Facilidad de acceso a la información.
    • Organización y centralización de la información.
    • Gestión eficiente de la información.
    • Normalización y comparación de datos.
    • Estadística descriptiva.
    • Generación de informes.
    • Permite manejar el negocio.
    • Eficiencia operativa del negocio a partir de datos en tiempo real.
    • Identificación de problemas en función del histórico de datos. Generación de alarmas.
  • BUSINESS ANALYTICS: Anticiparse al futuro, ir un paso más allá
    • Explotación exhaustiva del histórico y actuales de datos.
    • Permite abordar cambios en el negocio.
    • Análisis e inferencia estadística.
    • Identificación de tendencias y patrones de comportamiento.
    • Modelos de predicción.
    • Modelos de optimización.
    • Modelos de simulación.
    • Apoyo en la toma de decisiones y adopción de buenas prácticas.
Analítica avanzada mantenimiento basado en condición

Analítica avanzada

En función del reto a resolver y su nivel de complejidad, los distintos modelos matemáticos elaborados podrán ser de diversa índole:

  • ESTUDIOS ESTADÍSTICOS:
    • Obtener información a partir de los datos, mediante identificación y caracterización de la muestra.
    • Modelo estadístico.
    • Ajuste funcional de datos discretos: Regresión y Correlación.
    • Inferencia estadística.
    • Distribución de probabilidades.
    • Cartas de Control.
    • Análisis de series temporales.
    • Análisis de tendencias.
    • Interpolación, Extrapolación.
    • Series de Fourier.
    • Análisis de Componentes Principales (PCAs).
  • ANÁLISIS NUMÉRICO:
    • Aplicar métodos sobre los datos con un objetivo definido.
    • Modelos de optimización.
    • Modelos de predicción.
    • Modelos de integración.
    • Modelos de simulación.
    • Reconciliación de datos: red de sensores de medición.
    • Análisis de señales.
  • INTELIGENCIA ARTIFICAL:
    • Crear y diseñar sistemas capaces de resolver problemas por sí mismos utilizando como paradigma la inteligencia humana.
    • Data Mining.
    • Modelos de Inteligencia Artificial.
    • Aprendizaje automático (Machine Learning).
    • Arboles de decisión.
    • Redes Neuronales.
    • Redes Bayesianas.
    • Clustering.
    • KNN.
    • Simulación.
    • Procesamiento de Lenguaje Natural.
    • Reconocimiento de patrones.
    • Algoritmos genéticos.

Análisis predictivos: vibroacústica

Para complementar la Ingeniería de Mantenimiento y la Analítica Avanzada, es importante la experiencia real en el análisis de datos de medición de parámetros.

Uno de los parámetros más controlado es “la vibración”.

Metodología de desarrollo CBM

Para la implementación exitosa de un Sistema de Mantenimiento Predictivo robusto es necesario el: desarrollo de un PMO – Plan de Mantenimiento Optimizado enfocado en la Fiabilidad/Disponibilidad de los Activos (RCM)

El CBM contempla: el Plan de Mantenimiento Predictivo, apoyado en una herramienta de software, con una base de Modelado Matemático-computacional Avanzado.

Bases del mantenimiento basado en condición CBM

Bases del CBM

Las etapas necesarias para el desarrollo de una herramienta CBM robusta, capaz de monitorizar los activos y predecir los fallos críticos, son las siguientes:

Estudio Inicial e Identificación de Activos Críticos (FMECA).

  1. Desarrollo de un PMO (vía RCM) e identificación de tareas de CBM.
  2. Instrumentación/ Definición arquitectura de sensores/Comunicaciones.
  3. Modelado Matemático – Computacional.
  4. Desarrollo Plataforma.
  5. Funcionamiento continuo del CBM.
  6. Corrección de Fallos antes de “breakdown”.
Fases del desarrollo del mantenimiento basado en condición cbm

Fases del desarrollo del CBM (pulsar en la imagen para ampliar)

Estudio inicial e identificación de Activos Críticos (FMECA)

El objetivo de esta fase es la identificación de los activos críticos dentro de la estructura de análisis, su frecuencia y causas de fallo.

La metodología aplicada es el Análisis de los Modos de Fallos, sus Efectos y su Criticidad (FMECA):

fases iniciales

Este análisis se ve complementado con un Análisis de Criticidad, para ejecutar este análisis existen distintas metodologías, tales como:

  • Factores ponderados
  • Risk Priority Number (RPN)
  • Matriz de criticidad

Finalmente, se debería complementar la información de los FMECA con la siguiente información:

  • Predicciones de Fiabilidad (MTBF) y Mantenibilidad (MTTR).
  • Determinación de Actividades de mitigación.
  • Búsqueda de Fallos ocultos.

El resultado final de esta fase es la generación de un catálogo de fallos con elevado grado de detalle.

Desarrollo de un PMO (vía RCM) e identificación de tareas CBM

El objetivo de esta fase es la clasificación de las Tareas de Mantenimiento, para la optimización de recursos, coste y fiabilidad.

A continuación del FMECA, se implementa el árbol de decisiones tipo RCM, en sesiones de trabajo multidisciplinares. Esto se realiza con la finalidad de establecer las actividades de mantenimiento más efectivas, planificándolas en función de la criticidad de los modos de fallo, teniendo en cuenta, principalmente, los efectos de los fallos sobre:

  • La seguridad de los operadores o del Medio-Ambiente
  • La operación del sistema (producción o calidad):

El resultado final de esta fase es la determinación de un Plan de Mantenimiento Optimizado (PMO), evaluando/seleccionando las actividades de mantenimiento y su frecuencia, clasificándolas en:

  • Actividades de predictivo/CBM.
  • Actividades de preventivo de restauración
  • Actividades de preventivo de sustitución
  • Actividades de búsqueda de fallos ocultos
  • Actividades de correctivo (si se deja funcionar hasta el fallo)
  • Actividades de rediseño

Con el fin de elaborar el listado de tareas de mantenimiento predictivo, las variables involucradas y los rangos de tolerancia.

Instrumentación y definición de arquitectura de sensores y comunicaciones

Instrumentación/Arquitectura de sensores

El objetivo de esta fase es el análisis de las necesidades de instrumentación para la implementación de los predictivos.

Tras identificación (vía RCM) de las variables a monitorizar, se realiza la comparación de la instrumentación existente y la necesaria para el CBM, para ello se tendrá en cuenta:

  • El tipo de medición que se requiere, por ejemplo, la variable que se va a medir, su valor nominal, el rango de valores, la exactitud y precisión, la sensibilidad, la velocidad de medición y fiabilidad requeridas, las condicio­nes ambientales en las que se realizará la medición.
  • El tipo de salida que se requiere del sensor, lo cual determinará las condiciones de acondicionamiento de la señal, a fin de contar con señales de salida idóneas para la medición.
  • La fiabilidad, facilidad de mantenimiento, duración, requisitos de alimentación eléctrica, robustez, disponi­bilidad y coste.

En caso de no disponer de instrumentación necesaria, se deberá realizar un benchmarking sobre la instrumentación comercial más adecuada.

El resultado final de esta fase es la realización de un estudio funcional y técnico de sensores industriales.

Arquitectura de comunicaciones

El objetivo de esta fase es el análisis de las necesidades de comunicaciones para la adquisición y transporte de datos.

Para ello, es necesario:

  • Una clara definición y soporte a la implementación de redes de comunicaciones en el ámbito industrial basadas sobre Ethernet, protocolos industriales estándar o desarrollos a medida
  • Un análisis y Soporte a la utilización de Buses de campo y protocolos estándar
  • Un análisis y Soporte a la utilización de Radio Frecuencias, RTUs y tecnologías inalámbricas
  • Soporte a la instalación y acopio de infraestructuras de comunicaciones industriales.
  • Soporte a la conectividad con Sistemas de Control, Supervisión y Monitorización.
  • Desarrollo de drivers y protocolos de comunicación a medida.
  • Desarrollo de OPCs.
  • Extracciones datos de sistemas externos (ERPs, CRMs,etc) basados en WebServices.En caso de no disponer de instrumentación necesaria, se deberá realizar un benchmarking sobre la instrumentación comercial más adecuada.

El resultado final de esta fase es realizar un estudio con las opciones analizadas, recomendaciones, requerimientos adicionales, estimación de costes y tiempos de implantación.

Modelado matemático – computacional

La elaboración de un modelo matemático-computacional se realiza en los cinco pasos siguientes:

  1. Análisis del Problema

Se basa en la determinación de los objetivos empresariales, mediante la evaluación de la situación, además de la determinación de los objetivos técnicos.

Finalmente se elaborará la estrategia de trabajo.

  1. Extracción y organización de la información
    • Acceso a diferentes sistemas de información.
    • Importación de datos procedente de distintos formatos de ficheros de texto y herramientas ofimáticas.
    • Acceso a sistemas/equipos en tiempo real: PI OSIsoft, WinCC, PLC´s, sensores…
    • Intercambio de datos con SAP y entornos corporativos.
    • Información estructurada (SQL). Diseño de una base de datos relacional.
    • Información no estructurada (NO SQL). Protocolos M2M, MQTT, AMQP.
  2. Preparación de los datos

Mediante la verificación de la calidad de los datos:

  • Depurando la muestra inicial: por detección y tratamiento de outliers o datos atípicos, elementos que presentan un comportamiento muy diferente respecto de la media poblacional.
  • Rellenando huecos de información, erróneos o no medibles, mediante datos teóricos obtenidos a partir de técnicas numéricas de interpolación.
  • Identificando datos redundantes.
  • Estudiando la posibilidad de reducir la dimensionalidad del sistema en conjunto, identificando las variables potencialmente significativas.

Y la transformación de datos:

  • Sobre las variables cuantitativas con objeto de encontrar mayor linealidad entre éstas.
  • De los datos, para el tratamiento de datos con distribuciones asimétricas.
  • Normalización o escalamiento de las variables objetos de estudio para permitir relacionar la información de forma coherente y optimizar la convergencia de los algoritmos.
  1. Modelado

Comenzando por la selección de la técnica de modelado más adecuada a cada situación y diseñando los métodos de evaluación específicos para cada técnica.

Para generar el modelo y evaluarlo con la muestra test, con el fin de reajustar los parámetros matemático-computacionales.

  1. Validación del modelo

Mediante la evaluación de los resultados y la revisión del proceso.

El resultado final de esta fase es realizar un estudio del modelo matemático y elaborar una herramienta-piloto de testing de los algoritmos matemáticos.

Desarrollo Plataforma

El objetivo de esta fase es la Definición, Programación e Implementación de la Herramienta CBM.

Con la finalidad de obtener una plataforma CBM lo más customizable posible a las necesidades, hay tres alternativas de desarrollo:

  • Desarrollo a Medida. Para ello es importante definir claramente los requisitos del sistema, diseñar su arquitectura e implementarlo. Antes de su aceptación final, el software deberá pasar unas pruebas de sistema.
  • Desarrollo sobre Sistema del Cliente, pudiéndose comunicar con el GMAO o sistemas MES. Previo a esta decisión, es necesario un análisis de viabilidad de la integración.
  • Integración de otras soluciones comerciales.

Las funcionalidades mínimas de una plataforma CBM han de ser:

  • Módulo de lectura y tratamiento de datos de entrada y sistemas externos: Recogerá la funcionalidad necesaria para incorporar en el sistema la información que proporcionarán los posibles sistemas o equipos externos, así como los datos de entrada relativos a los diferentes ficheros a tener en cuenta.
  • Módulo de predicción de fallos, fiabilidad y generación de alarmas: Incorporará en el sistema los algoritmos procedentes del estudio de los modelos matemático-computacionales, así como la implementación de las diferentes alarmas registradas en el sistema. El módulo tendrá por objetivo implementar la lógica necesaria que establezca el motor de cálculo del sistema. El módulo recogerá además un histórico con las predicciones realizadas y las alarmas generadas, que servirán de punto de partida para el módulo de estadísticas.
  • Módulo de generación de informes: Desarrollará todas las funcionalidades relativas a la generación de los resultados de las predicciones realizadas o alarmas generadas en un formato establecido previamente, mediante informes diseñados en plantillas asociadas a herramientas ofimáticas (Excel, Word, PDF).
  • Módulo de estadísticas: Tiene por objetivo explotar tanto la información resultante de las predicciones realizadas, como las alarmas o modos de fallo registrados u otros elementos a tener en consideración, permitiendo así extraer conclusiones y presentar resultados con una visión temporal y delimitada, en términos de promedios, tendencias y balances que aporten conocimiento del negocio al usuario experto.
  • Módulo de gráficos: Este módulo proporcionará la presentación visual de toda la información del sistema.

El resultado final de esta fase es el Instalador de la herramienta software CBM, además de la documentación técnica y manuales de usuario.

Funcionamiento continuo del CBM

La herramienta CBM, una vez implementada, trabajará de manera continuada en el siguiente ciclo:

funcionamiento continuo cbmPara mantener la herramienta actualizada en última versión, asegurando la máxima precisión de su funcionalidad, son necesarias las siguientes tareas de mantenimiento Software:

  • Mantenimiento/Evolutivos de la Plataforma.
  • Validación del “autoaprendizaje”.
  • Reajuste de los rangos de tolerancia.
  • Integración de nuevos equipos a plataforma.

Corrección de fallos antes del “breakdown”

En los avisos generados, se informa de la necesidad de una reparación planificable, para ser ejecutada durante la siguiente parada en taller.

Si el CBM se comunica con el GMAO, tendrá la capacidad de crear notificaciones automáticas de las que surgirán Órdenes de Trabajo de Mantenimiento.

Tras las tareas de reacondicionamiento/sustitución, la herramienta tendrá más conocimiento sobre el status del componente reparado, pudiendo aprender y autoajustar los rangos de tolerancia de las variables vinculadas.

 

NOTA DEL AUTOR: el Desarrollo de una plataforma CBM de material rodante (canal de SlideShare de Altran España) fue presentado en las 13ª Jornadas sobre el Mantenimiento en el sector del Transporte y la Logística, organizadas por la AEM – Asociación Española de Mantenimiento. La presentación usada fue la siguiente:

 

Brais Vila Araico

Autor: Brais Vila Araico

Ingeniero Responsable de la Solución de Operación y Mantenimiento en Altran España, con más de 9 años de experiencia trabajando en desarrollo e implementación de mejoras de O&M, 6 de ellos en el sector de generación eléctrica. Experto en implementación de “Maintenance Excellence” a nivel estratégico, táctico y operativo, con alto conocimiento multisectorial.

Un Comentario

  1. Pingback: Gestión de activos en el sector energético - Altran 360

Deja un comentario

Campos requeridos marcados con *.