En una visita a una fábrica por los los chicos de Anukys; por ética profesional no diré cual, unos de los directivos encargados del recorrido por la planta nos mostró una enorme inquietud debido a un accidente laboral provocado por descompensación en una máquina centrífuga que comenzó a trabajar a revoluciones por minuto (rpm) fuera de lo normal. Ya se pueden imaginar el desastre que causó este equipo al estallar en muchos pedazos rompiendo tuberías, cámaras, sensores, silos y a su vez provocó la fuga de miles de litros de producto. Demás está decir, del potencial letal que tienen estás piezas cuando salen despedidas, afortunadamente nadie estaba cerca cuanto se rompió. Entonces, el interés de los directivos era saber ¿Cómo podíamos con nuestro sistema ayudar a prevenir tales eventos?

Solución básica con sistemas automatizados e inteligencia artificial

Como es lógico, nuestra respuesta no se hizo esperar y fue contundente, implementar un sistema automatizado con sensores (presión, revoluciones y vibración), una puerta de enlace (gateway) y un ordenador que con Machine Learning (un sistema de aprendizaje automático) registrara la operación del sistema y detectara los patrones anormales. Esta es una solución enfocada a la alta seguridad y como tal no tenerlo puede salir muy caro, por eso se deben tener sensores de alta calidad, idealmente con sensores de vibración con acelerómetros de tres ejes.

Algún cliente ha solicitado sensores enfocados en el precio, pero teniendo en cuenta las implicaciones que ello puede tener en la seguridad de las personas y en el funcionamiento de la fábrica, si alguien nos solicita algo barato para algo tan importante, amablemente le decimos que deben buscar a otra empresa. Lo mejor es no tomar el trabajo pues somos responsables moral; y posiblemente legal, de la vida de los trabajadores que pasen cerca de un sistema de este tipo.

Suele ser habitual que estos acudan a nosotros cuando ya han tenido algún percance o algún susto, creemos que es muy peligroso en estos sistemas no contar con sensores de vibración, y es increíble la falta de conciencia sobre la importancia de usar estos sistemas en las centrifugadoras.

Hagamos números un momento y comparemos a cuánto pueden ascender los gastos por pérdidas en este tipo de eventos que vimos hace no mucho entre las pérdidas estimadas (>€600.000) y lo que hubiera costado implementar nuestro sistema de Inteligencia Artificial con Machine Learning.

Nota: El estudio es siempre sobre la base de valores estimados, nunca absolutos con limitaciones de posibles costes ocultos. Esto solo son una breve muestra de los factores que se pueden tener a la hora de cuantificar los gastos en este tipo de fallas. Si se incluyen la reparación, pérdida de producción, pérdida de clientes, costes de hora y compra de nuevos equipos.

Si finalmente le ponemos el lápiz a esta comparativa se pueden llegar a números más que ilustrativos. La relación costo / pérdida es de 2.4% al  año, lo que quiere decir que contar con un sistema de detección de vibración e inteligencia artificial para la predicción de fallos solo representa una mínima parte de la inversión que tendrás que hacer si ocurre una avería de esta índole.

Entendamos que una desconexión automática del sistema de la alimentación hubiera sido más que suficiente o parar el equipo, cualquiera de las dos es una buena opción si se evita el problema. A dónde quiero llegar con esto que les he explicado anteriormente, es que por muy sencilla que sea la implementación, el impacto será positivo sobre la compañía y el proceso.

Las preocupaciones e incidentes pueden ser la solución y la experiencia para otros, por eso les pido que lean este artículo con detenimiento si alguno de ustedes cuenta con este tipo de equipos o cualquier otro; en especial, si algún tipo de avería supone que corra peligro la vida de los trabajadores.

Otra cosita antes de cerrar y que no puedo dejar de mencionar, y es que nuestro sistema además de prevenir problemas, nos permite determinar y localizar la causa raíz algo muy muy importante ya que ahorra tiempo y disminuye el esfuerzo a la hora de localizar la falla.

Esto es fundamental para los tiempos de reparación y mantenimiento, algo que se vuelve más tedioso en un sistema clásico porque puede requerir desmontar partes del equipo o un proceso más largo de pruebas de ensayo y error.

Desde Anukys hemos implementado alrededor del mundo más de 50 sistemas de vibración.

¿Cuán difícil puede ser implementar un sistema de inteligencia artificial en cámaras frigoríficas? Sin lugar a dudas esta pudiera ser la primera pregunta que te hagas a la hora de iniciar este tipo de tareas aún cuando eres un rookie. La implementación de la automatización integral en sistemas frigoríficos mediante Inteligencia Artificial (IA) requiere un enfoque generalizado para explotar al máximo las capacidades de la IA en nuestro sistemas. A continuación, les dejo un plan básico; pero abarcador, sobre los elementos esenciales de esta forma de automatización.

1. Instala sensores inteligentes y recopila sus datos

La base de toda la estructura de automatización es el despliegue de sensores y equipos de medición para el monitoreo de las diferentes variables del sistema. Por tanto, la instalación de una red de sensores inteligentes en todo el sistema frigorífico representa tu primer paso hacia el objetivo. Con la ayuda de los sensores resulta posible la monitorización de variables críticas como la temperatura, la humedad, la presión, el consumo, potencial de energía en tiempo real, comportamiento de los evaporadores, ventiladores, situación del refrigerante, entre otras, dependiendo del interés del cliente. Los datos recopilados son vitales para alimentar los algoritmos de IA y permitir la toma de decisiones automatizada, ya sea local o en la nube.

2. Analiza los datos

Continua con el análisis de datos. La información que se recopila en los sensores tiene que ser transportada (casi siempre a partir de algún broker entre los dispositivos y el sistema de gestión) hacia unidades de almacenamiento desde donde las herramientas de IA se nutren de los datos históricos para realizar un análisis avanzado y generar información valiosa. Los algoritmos de aprendizaje automático pueden identificar patrones, predecir tendencias y detectar anomalías en el funcionamiento del sistema frigorífico. Esto permite una gestión proactiva y predictiva del sistema, optimizando su rendimiento y eficiencia.

Nota: recordar que existe un período previo para el entrenamiento del machine learning con el objetivo de poder comparar los datos con bases de datos de mediciones anteriores

3. Controla, automatiza y optimiza el proceso

Como ya te dije, con la instalación de sensores inteligentes la IA puede controlar y automatizar la regulación de la temperatura o la humedad de manera dinámica en función de la carga de trabajo, las condiciones ambientales, incluso de la época del año, garantizando un funcionamiento óptimo en todo momento de la planta todo gracias a la información generada por los algoritmos de IA. Pero la mejor parte de esta etapa está en la capacidad de reentrenar a estos códigos, lo que eleva las prestaciones del sistema frigorífico al aprender de sí mismo y poder ajustar automáticamente los parámetros de operación optimizando el rendimiento y minimizando el consumo de energía.

4. Establece una estrategia de Mantenimiento Predictivo

El Mantenimiento Predictivo guarda especial relación con el análisis de datos y establecer una buena estrategia de cara al mantenimiento predictivo te asegura reducir el tiempo de inactividad no planificado y minimiza los costos de reparación. Así que a continuación te indico algunas alternativas donde se puede aplicar la IA en esta tarea;

1. Curvas de confiabilidad y disponibilidad: Estas son herramientas fundamentales para prever el rendimiento de los activos. La IA puede mejorar significativamente la predicción, la planificación y la toma de decisiones asociadas con la disponibilidad y la confiabilidad.
2. Mantenimiento basado en condición: Este es un enfoque proactivo que utiliza la IA para analizar grandes conjuntos de datos, identificar patrones imperceptibles y facilitar la toma de decisiones.
3. Analítica de datos: La IA puede crear modelos predictivos más precisos mediante el análisis de datos históricos y en tiempo real. Estos modelos permiten prever posibles fallos antes de que ocurran, optimizando las intervenciones de mantenimiento y reduciendo los tiempos de inactividad no planificados.
4. Interacción inteligente y diagnóstico visual con chatbots: Los chatbots pueden ayudar a simplificar la comprensión de los datos, mejorando la planificación y ejecución del mantenimiento.
5. Mantenimiento asistido por IA: Este enfoque ofrece diagnósticos precisos y basados en datos recopilados en línea, utilizando el comparativo prescriptivo. Se destaca por contrastar una vasta cantidad de información proveniente de numerosas máquinas, manuales de fabricantes y datos retroalimentados por sensores de monitoreo en línea.

Pero, ¿Qué estrategia elegir? En este caso la experiencia juega un papel fundamental a la hora de decantarse por una u otras. A mi respecto, les puedo decir que existen varias formas de encarar esta estrategia; una es a partir de sistemas, aplicaciones o estructuras ya establecidas por otros (ya cuentan en su arquitectura alguna de las estrategias anteriores) y la segunda, es la de hacer las cosas reinventando la rueda y olvidando todo lo que existe; desde cero.

1. Cuando se quiere utilizar herramientas realizadas por otros, lo que se busca es ganar tiempo de ejecución y encontrar un producto resolutivo, que ya está funcionando en otros lugares que esté precedido por la opinión de sus clientes dentro del mundo industrial. Anukys es muestra de ello, con una clara estrategia de cara al mantenimiento predictivo definida por el machine learning y el sistema avanzado de procesos. Pueden solicitarnos una prueba.
2. Para muchos, la parte más difícil por el reto que conlleva, pero para aquellos amantes de los desafíos resulta muy interesante. Sin embargo, esto trae consigo que debes ser un profesional con conocimientos básicos de tensorflow, python, redes neuronales, análisis y bases de datos, y más. Además de todo ello, es necesario que domines las técnicas con las cuales trabajará tu modelo y la experiencia siempre cuenta, y será un factor fundamental de cara al tiempo de implementación.
3. Si eres inexperto y no quieres utilizar ninguna de las variantes anteriores siempre puedes recurrir a este tipo de tutoriales que te ayuden en esta tarea. Como recomendación te puedo decir que debes tener en cuenta algunos factores como identificar activos críticos para la recopilación de datos, utilizar técnicas avanzadas como aprendizaje automático para desarrollar modelos predictivos para el análisis de datos, crear un plan basado en el análisis que permita programar actividades de manera eficiente y establecer un monitoreo del desempeño para identificar áreas de mejora. Con esto creo que puedes tener éxito.

La implementación de una estrategia de mantenimiento predictivo con IA puede variar dependiendo de la industria y los recursos disponibles. Es importante tener en cuenta que la IA es una herramienta poderosa que puede ayudar a mejorar la eficiencia y la productividad, pero también requiere una inversión significativa en términos de tiempo y recursos. Por lo tanto, es crucial planificar cuidadosamente y considerar todas las implicaciones antes de implementar una estrategia de este tipo.

5. Crea una interfaz visual intuitiva

Algunos dicen que el encanto entra por los ojos y por eso te digo que una interfaz visual es una excelente forma de enganchar a un cliente para que use tu producto. Las interfaces de usuario están para facilitar la interacción hombre-máquina y te recomiendo desarrollar una interfaz de usuario intuitiva que permita supervisar y controlar el funcionamiento del sistema desde cualquier dispositivo conectado de la manera más sencilla posible. Lo esencial es proporcionar visualizaciones en tiempo real, alertas de estado y herramientas de análisis que faciliten la toma de decisiones por parte del personal de operaciones.

6. Establece una seguridad cibernética robusta

Por último, llega el turno de hablar sobre la seguridad y la protección de los datos del sistema. La exposición al robo de datos; sobre todo en sistemas basados en la nube, es constante. Por eso nunca debes dejar de implementar medidas de seguridad cibernética robustas para proteger los datos y los equipos contra posibles amenazas. Esto incluye la encriptación de datos, la autenticación de usuarios y la monitorización constante de la red para detectar actividades sospechosas.

Para ser la primera vez no creo que sea tan difícil implementar un sistema de inteligencia artificial en cámaras frigoríficas siempre y cuando te rijas a estos 6 pasos básicos que te he mostrado con anterioridad. El objetivo está en lograr un enfoque integral que maximice la eficiencia, la fiabilidad y la seguridad del sistema, proporcionando beneficios significativos en términos de rendimiento operativo y reducción de costos mediante una combinación de factores y elementos.

Aún si no sabes ¿cómo? Desde Anukys te brindamos la asesoría y el personal técnico cualificado para ello. Ya sabes donde encontrarnos. ¡Esperamos por ti!