El mantenimiento predictivo (PdM) se ha convertido en una aplicación de inteligencia artificial excelente
Por John P. Desmond
(ai trends)-El mantenimiento predictivo ( PdM ) se ha convertido en una aplicación de inteligencia artificial excelente.
En los últimos cinco años, el mantenimiento predictivo ha pasado de ser un caso de uso de nicho a una aplicación de rápido crecimiento y alto retorno de la inversión (ROI) que ofrece un valor real a los usuarios. Estos desarrollos son una indicación del poder de Internet de las cosas (IoT) y la IA juntas, un mercado que se considera en su infancia en la actualidad.
Estas observaciones provienen de una investigación realizada por IoT Analytics, consultores que proporcionan inteligencia de mercado, que recientemente estimó que el mercado de mantenimiento predictivo de $ 6,9 mil millones alcanzará los $ 28,2 mil millones para 2026.
La compañía comenzó su cobertura de investigación del mercado de mantenimiento predictivo impulsado por IoT en 2016, en una conferencia de mantenimiento de la industria en Dortmund, Alemania. No pasaba mucho. «Estábamos muy decepcionados», afirmó Knud Lasse Lueth, director ejecutivo de IoT Analytics, en una cuenta de IoT Business News . «Ni un solo expositor hablaba de mantenimiento predictivo».
Las cosas han cambiado. El analista de IoT Analytics Fernando Alberto Brügge declaró: “ Nuestra investigación en 2021 muestra que el mantenimiento predictivo ha evolucionado claramente desde el enfoque de monitoreo de condición bastante estático. Se ha convertido en una aplicación de IoT viable que ofrece un ROI abrumadoramente positivo «.
Los desarrollos técnicos que han contribuido a la expansión del mercado incluyen: un proceso simplificado para conectar activos de IoT, avances importantes en servicios en la nube y mejoras en la accesibilidad de los marcos de aprendizaje automático / ciencia de datos, afirman los analistas.
Junto con los desarrollos técnicos, el mercado de mantenimiento predictivo ha experimentado un aumento constante en el número de proveedores de software y servicios que ofrecen soluciones. IoT Analytics identificó alrededor de 100 empresas en el espacio en 2016; hoy, la empresa identifica a 280 proveedores de soluciones relacionados en todo el mundo. Muchos de ellos son startups que ingresaron recientemente al campo. Proveedores establecidos como GE, PTC, Cisco, ABB , y Siemens, han entrado en el mercado en los últimos cinco años, muchos a través de adquisiciones.
El mercado todavía tiene espacio; los analistas predicen que 500 empresas estarán en el negocio en los próximos cinco años.
En 2016, el ROI de la analítica predictiva no estaba claro. En 2021, una encuesta a unos 100 altos ejecutivos de TI del sector industrial encontró que los proyectos de mantenimiento predictivo han arrojado un ROI positivo en el 83 % de los casos. Un 45 % de los que informaron amortizar sus inversiones en menos de un año. “Estos datos demuestran lo atractiva que se ha vuelto la inversión en los últimos años”, afirman los analistas.
Más sensores de IoT significan más precisión
Los proyectos implementados que los analistas estudiaron en 2016 se basaron en un número limitado de fuentes de datos, generalmente un valor de sensor, como vibración o temperatura. Los proyectos descritos en el informe de 2021 describieron 11 clases de fuentes de datos, como datos de sensores existentes o datos de los controladores. A medida que se aprovechan más fuentes, aumenta la precisión de las predicciones, afirman los analistas.
En la actualidad, muchos proyectos utilizan enfoques de modelado híbrido que se basan en la experiencia del dominio, sensores virtuales y datos aumentados. AspenTech y PARC son dos proveedores identificados en el informe que adoptan enfoques de modelado híbrido. AspenTech ha trabajado con más de 60 empresas para desarrollar y probar modelos híbridos que combinan la física con el conocimiento de ML / ciencia de datos, mejorando la precisión de la predicción.
Se espera que el cambio a la computación perimetral beneficie aún más los proyectos de modelado predictivo, al permitir que los algoritmos se ejecuten en el punto donde se recopilan los datos, reduciendo la latencia de respuesta. El proveedor STMicroelectronics presentó recientemente algunos nodos de sensores inteligentes que pueden recopilar datos y realizar algún procesamiento analítico.
Se están integrando más aplicaciones de mantenimiento predictivo con sistemas de software empresarial, como planificación de recursos empresariales (ERP) o sistemas de gestión de mantenimiento computarizados (CMMS). Litmus Automation ofrece un servicio de integración para enlazar con cualquier activo industrial, como un controlador lógico programable, un sistema de control distribuido o un sistema de control de supervisión y adquisición de datos.
La reducción del tiempo de inactividad genera ahorros
Las ganancias provienen de prevenir el tiempo de inactividad. “ El mantenimiento predictivo es el resultado de monitorear el equipo operativo y tomar medidas para evitar un tiempo de inactividad potencial o un resultado inesperado o negativo”, afirmó Mike Leone, analista de la firma de estrategia de TI Enterprise Strategy Group, en una cuenta de TechTarget .
Los avances que han hecho que el mantenimiento predictivo sea más práctico en la actualidad incluyen la tecnología de sensores cada vez más generalizada y la capacidad de monitorear máquinas industriales en tiempo real, afirmó Felipe Parages, científico de datos senior de Valkyrie, consultores de sentido de datos. Con más sensores, el volumen de datos ha crecido exponencialmente y el análisis de datos a través de servicios en la nube está disponible.
Solía ser que un experto tenía que realizar un análisis para determinar si una máquina no estaba funcionando de manera óptima. “Hoy en día, con la cantidad de datos que puedes aprovechar y las nuevas técnicas basadas en el aprendizaje automático y la IA, es posible encontrar patrones en todos esos datos, cosas que son muy sutiles y que habrían pasado desapercibidas para un ser humano”, afirmó. Parages.
Como resultado, ahora una persona puede monitorear cientos de máquinas y las empresas están acumulando datos históricos, lo que permite un análisis de tendencias más profundo. «El mantenimiento predictivo» es un arma muy poderosa «, afirmó.
En un proyecto de ejemplo, el principal operador ferroviario de Italia, Trenitalia, adoptó el mantenimiento predictivo para sus trenes de alta velocidad. Se espera que el sistema ahorre entre el ocho y el 10 % de un presupuesto de mantenimiento anual de 1.300 millones de euros, afirmó Paul Miller, analista de la firma de investigación Forrester, que publicó recientemente un informe sobre el proyecto.
“ Pueden eliminar fallas no planificadas que a menudo brindan ahorros directos en mantenimiento, pero lo que es más importante, al sacar un tren de servicio antes de que se rompa, eso significa un mejor servicio al cliente y clientes más felices”, afirmó Miller. Recomendó que las organizaciones comiencen con el mantenimiento predictivo al presentar un proyecto piloto.
En un ejemplo de los tipos de cooperación que se espera que generen los proyectos de mantenimiento predictivo, los directores ejecutivos de varias empresas europeas de automoción y electrónica anunciaron recientemente planes para unir fuerzas para formar “Software Republique”, un nuevo ecosistema para la innovación en movilidad inteligente. Atos, Dassault Systèmes, Groupe Renault y STMicroelectronics y Thales anunciaron su decisión de aunar su experiencia para acelerar el mercado.
Luca de Meo, director ejecutivo de Groupe Renault, declaró en un comunicado de prensa de STMicroelectronics: “ En la nueva cadena de valor de la movilidad, los sistemas de inteligencia a bordo son la nueva fuerza motriz, donde ahora se concentran toda la investigación y la inversión. Ante este desafío tecnológico, estamos optando por jugar de forma colectiva y abierta. No habrá ciento e r de la gravedad, el valor de cada uno se multiplicará por otros. La experiencia combinada en ciberseguridad, microelectrónica, energía y gestión de datos nos permitirá desarrollar soluciones únicas y de vanguardia para la movilidad responsable, compartida y con bajas emisiones de carbono, fabricadas en Europa «.
Software République tendrá su sede en Guyancourt, una comuna en el centro-norte de Francia en el Renault Technocentre en un edificio llamado Odyssée, un espacio de 12.000 metros cuadrados que es eco-responsable. Por ejemplo, su estructura interior y exterior es 100 por ciento de madera y el edificio está cubierto con paneles fotovoltaicos.
