El mantenimiento predictivo y el mantenimiento basado en las condiciones del equipo (o CBM – Condition Based Maintenance) son sistemas de mantenimiento proactivo que persiguen aumentar la fiabilidad y reducir el tiempo de inactividad de una máquina. La principal diferencia entre ellos es la forma en que se mide la necesidad de actuar sobre los equipos.
En ambos casos se realizan medidas relacionadas con el funcionamiento del equipo para apoyar la toma de decisiones respecto a las acciones de mantenimiento que se debe emprender, basándose en el actual estado de funcionamiento de los mismos. El CBM puede aplicarse para plantear acciones correctivas y preventivas, en cuyo caso es suficiente con el diagnóstico. También se puede aplicar como soporte a la toma de decisiones proactivas (anticipadas) siendo necesaria en este caso la prognosis (predicción del funcionamiento futuro), entrando en el ámbito del mantenimiento predictivo.
Un principio importante del CBM es la curva P-F que puede utilizarse para estimar el tiempo de vida restante (hasta el fallo).
.jpg)
El tiempo que transcurre entre P y F es la ventana de oportunidad que se tiene para resolver el problema.
El proyecto SIMBA (Sistema inteligente de mantenimiento basado en el estado real del equipo), desarrollado por AIDIMME, plantea un primer objetivo consistente en optimizar desde el punto de vista económico el momento en el que se debe realizar el mantenimiento tras la detección de cualquier anomalía, aplicándose inicialmente a dos tipos de máquina concretos: tornos de decoletaje y prensas de estampación en frío. Para ello se están siguiendo los pasos enumerados a continuación:
– Se han definido las variables relevantes que se va a medir, a partir de la información recogida en la bibliografía y la experiencia de las propias empresas. Seguidamente se han seleccionado los sensores adecuados (vibración, temperatura, sonido y consumo de energía).
.jpg)
Se han seleccionado los puntos críticos de las máquinas donde se deben instalar sensores de medición de las variables seleccionadas.
.jpg)
– Se han diseñado los circuitos de amplificación, captura de datos y volcado a base de datos de los sensores indicados.
Un segundo objetivo es el desarrollo de una aplicación que permita a cualquier empresa con máquinas similares, utilizar el sistema desarrollado, siempre que siga la metodología de extracción de datos que se genere. Tras evaluar varias soluciones, se ha seleccionado la plataforma NEXUS INTEGRA para ser utilizada como middleware.
Se trata de una plataforma estructurada en distintos módulos, que generan un software intermedio que actúa de puente entre la adquisición de datos y la analítica, facilitando los procesos más comunes, como puede ser la presentación de resultados en paneles de información personalizados o la generación de datasets a partir de los datos adquiridos. A su vez, Nexus tiene una gran cantidad de mecanismos para conectarse a entradas de internet de las cosas industrial (IIoT) entre las que destaca OPC UA, un protocolo que se está estableciendo como estándar a día de hoy en soluciones de este tipo.
Una vez finalice el proyecto, AIDIMME lanzará una nueva línea de servicio tecnológico para colaborar con las empresas de la Comunidad Valenciana en su estrategia de digitalización mediante el uso de los elementos desarrollados en SIMBA.
El proyecto SIMBA está enmarcado en la línea estratégica que AIDIMME lleva desplegando desde hace varios años en el ámbito de la industria 4.0, tanto en lo que se refiere a la estrategia de digitalización de las empresas (PLASMA, ACTIVA INDUSTRIA 4.0, HABITAT 4.0), la captación y análisis de datos (SAIN4, ENERGÍA INDUSTRIAL 4.0) y el mantenimiento predictivo (SIMBA).
El proyecto está financiado por el IVACE con fondos FEDER, y en él participan las empresas KAMAX y FACTOR en las que se instalarán los prototipos desarrollados.
.jpg)
