Optimización de la Planificación de Mantenimientos con Analítica Avanzada

El problema del mantenimiento es uno de los campos de aplicación paradigmáticos de la Inteligencia Artificial. Encontrar patrones en las métricas de rendimiento de una máquina o activo en general, que se correlacionen con fallos detectados y etiquetados, es un trabajo en el que la analítica predictiva supera con creces las capacidades neurocognitivas del humano más hábil equipado con la mejor hoja Excel. Es por ello que toda agencia de IA cuenta en su portfolio con algún caso de Mantenimiento Predictivo.

Y sin duda, saber con antelación el tiempo de vida útil de un componente, o la probabilidad de fallo en tiempo real, es información muy válida para un jefe de planta o una responsable de mantenimiento, que con ello puede tomar decisiones de mayor impacto (por eso la analítica avanzada se suele presentar como una ciencia de ayuda a la toma de decisión).

Sin embargo, el trabajo de esta persona no se limita a detectar un posible fallo, sino que debe planificar unos calendarios de actuaciones determinados, donde asigna a personal de mantenimiento con nombre y apellidos unas tareas concretas en puntos concretos, y para llevarla a cabo debe conocer qué necesita este personal para poder cumplir con éxito la tarea. Naturalmente, este personal no es infinito, ni omnisciente, ni se desplaza a la velocidad de la luz, y además existen unos requisitos de rendimiento de la instalación que hay que cumplir, o unas pérdidas máximas que no se pueden exceder, así que la persona a cargo debe asignar a cada tarea la persona con el conocimiento adecuado, el material adecuado, con tiempo para llevarla a cabo conforme a los plazos necesarios para cumplir con los objetivos. Sin olvidar vacaciones, convenios, horas trabajadas o bajas, y debe tener la agilidad para poder cambiar ese plan si surge alguna emergencia en algún otro punto.

Menos mal que tenemos ordenadores. 😊

¿Cómo se confecciona un plan de mantenimiento? Hoy en día, la planificación de mantenimientos en las empresas se realiza de diversas maneras, considerando los siguientes tipos de tareas:

• Mantenimiento Correctivo: Se lleva a cabo después de que un fallo ocurre. Es reactivo y, aunque necesario, puede causar interrupciones significativas en la operación diaria.

• Mantenimiento Preventivo: Se realiza regularmente según un calendario establecido, con el objetivo de evitar fallos antes de que ocurran. Aunque es más efectivo que el correctivo, puede resultar en mantenimientos innecesarios y costosos.

• Mantenimiento Basado en la Condición o Condition-Based Maintenance (CBM): Se implementa monitorizando el estado de los equipos en tiempo real. Se realiza mantenimiento cuando los datos indican que es necesario, optimizando así la frecuencia de las intervenciones.

• Mantenimiento Predictivo, que ya hemos presentado. Este tipo de mantenimiento se está incorporando cada vez más en los planes debido a su eficacia y capacidad para reducir interrupciones.

Todas estas acciones tienen su plazo, y está en mano de la persona responsable de mantenimiento confeccionar un plan asignando a cada tarea a una persona, con las consideraciones que ya hemos citado de formación, disponibilidad, ubicación, herramientas disponibles, etc.

La optimización matemática es una técnica muy potente para ayudar a la toma de decisiones y se ajusta como un guante a la planificación de mantenimientos. Forma parte de la Analítica Avanzada, pero a diferencia del Machine Learning o la Analítica Predictiva, no siempre necesita datos para poder ser aplicada (aunque habitualmente suele acompañar la predicción de fallos para ayudar a la toma de decisiones), sino que puede bastar con reglas de negocio. Un ejemplo simple de optimización es encontrar la ruta más corta que atraviese una serie de puntos. En el caso del mantenimiento, sería la confección del plan que asigne a cada persona las tareas que minimicen el tiempo de ejecución, considerando que cada persona debe contar con tiempo suficiente para desplazarse y ejecutar la tarea, y cuenta con la formación y el equipo necesarios.

La optimización consiste en explorar el espacio de soluciones de un problema específico y determinar el mínimo absoluto. El espacio de soluciones se define mediante una función de coste aplicada a cada opción disponible, como la distancia total de todas las rutas posibles, aunque también puede representar cualquier otro factor relevante como el coste, las emisiones de CO2, el tiempo, etc. Además, se deben considerar restricciones duras o blandas para cada solución propuesta. En la realidad puede ser el calendario y horario laboral de la persona (restricción dura), o p.ej. sus preferencias (restricción blanda).

Está disciplina permite encontrar la solución matemáticamente óptima en segundos, no horas, y prácticamente sin supervisión. Por lo tanto, utilizando algoritmos avanzados, se pueden crear planes optimizados que:

• Aumentan la rapidez de respuesta.

• Permiten actualizar los planes en tiempo real

• Reducen las interrupciones

• Tienen en cuenta las predicciones de fallo provistas por la analítica predictiva

• Mejoran la satisfacción del personal de mantenimiento, ya que puede considerar sus preferencias

Estos beneficios se traducen en una mayor eficiencia operativa, agilidad y en una reducción de costes, aparte del alivio que te supone a ti como responsable de mantenimiento, contar con una “calculadora” fiable de planes de mantenimiento.

Los sistemas de gestión más populares como SAP, IBM Maximo y Salesforce ya están preparados para alojar estos algoritmos de decisión. Estas plataformas permiten la implementación fluida de soluciones de mantenimiento predictivo, asegurando que los datos se procesan de manera eficiente y se utilizan para optimizar los planes de mantenimiento.

Si quieres saber más, no dudes en contactarme en julio@juliolema.com