El pasado 10 de septiembre dio comienzo un proyecto colaborativo entre la AEI FACYL, la FUNDACIÓN CARTIF y la Pyme INDUSTRIAS MAXI, bajo el título “Modelo Predictivo de Diagnóstico y Optimización de la vida útil remanente en máquina-herramienta aplicado al Sector de Automoción”.
Dicho proyecto, cofinanciado por el Ministerio de Industria, Comercio y Turismo a través de la línea de ayudas a las Agrupaciones Empresariales Innovadoras (AAEEII), en su convocatoria del 2018, y cuyo periodo de ejecución se extenderá hasta el 31 de marzo del 1019, pretende abordar una investigación industrial para dar respuestas a las principales incógnitas que se pueden presentar al abordar una estrategia de mantenimiento predictivo aplicada sobre máquinas productivas, como por ejemplo las máquinas herramienta objeto de este proyecto. Estas incógnitas están relacionadas con las actividades necesarias para llevar a cabo de forma exitosa un predictivo (Análisis de la fiabilidad, captura de datos, procesamiento y estimación de vida útil):
• Análisis fiabilidad: a través de la disponibilidad de un histórico de averías que permita analizar modos de fallo, frente a diferentes variables de influencia como el histórico de operaciones llevadas a cabo o el material mecanizado.
• Captura de datos: averiguando que variables son las más adecuadas medir (sensores nuevos o existentes) de tal forma que presenten correlación con el modo de fallo relevante, así como indicativas del estado de salud de componentes clave de la máquina.
• Procesamiento y diagnóstico: esto incluye una arquitectura y equipamiento necesario (electrónica embebida, software necesario, capacidad de cómputo, …) para realizar los cálculos necesarios.
• Predicción de vida útil: cuales son los algoritmos más adecuados en términos de la fiabilidad de la propia predicción y su reducida incertidumbre, aplicables al ámbito de operaciones de mecanizado por arranque de viruta.
El mantenimiento industrial representa entre un 15% y un 70% de los costes operacionales de una fábrica, dependiendo del sector. El mantenimiento preventivo representa la principal forma de evitar la degradación de los medios productivos, sin embargo, los errores humanos, entre los que se encuentran los debidos a operaciones de mantenimiento erróneas o innecesarias, contribuyen al 75% de los fallos durante la vida de un equipamiento. El mantenimiento predictivo pretende mitigar estos efectos a través un análisis de las numerosas fuentes de información disponibles en el taller y las oficinas de las fábricas. Los impactos positivos del predictivo son numerosos, pero de cierta variabilidad dependiendo del sector y nivel de fiabilidad de partida de las máquinas vigiladas, como por ejemplo una reducción de costes totales (relacionados con el fallo + perdidas productivas + mantenimiento) en un 15-30% o reducción de costes de preventivo en un 10-20%.
