Uno de los parámetros que definen un plan predictivo en una planta industrial es la periodicidad de las mediciones predictivas. Si optimizamos este parámetro en planes predictivos nuevos o ya establecidos tendremos la oportunidad de mejorar globalmente los resultados del programa predictivo.
 |
| Colector portátil de datos de vibración y otros parámetros para mediciones en rutas programadas para el diagnóstico predictivo. |
Llamamos periodicidad de las mediciones predictivas a la frecuencia con la cual se adquieren los datos que sirven al plan predictivo. Esta periodicidad puede variar desde las máquinas monitorizadas en continuo, hasta las máquinas medidas semestral o anualmente.
La revisión de la periodicidad en la toma de datos en cada máquina debe ser una tarea habitual. Cada vez que se sospeche que una revisión de la periodicidad en la toma de datos puede mejorarse, se aconseja estudiar si la periodicidad asignada a cada máquina es la óptima para ese activo.
La experiencia nos indica que en la mayoría de planes predictivos la periodicidad en la toma de datos se establece inicialmente mediante estimaciones y posteriormente se modifica poco o nada. Un tiempo después se dispone de datos para reajustar estas periodicidades de una manera efectiva, pero rara vez se realiza este reajuste, a pesar de la relevancia de este parámetro.
Tras el estudio de optimización de los intervalos entre medidas, obtendremos un conjunto de máquinas en las que se amplían los intervalos entre medidas, otras en las que estos intervalos se recortan y otras que quedan igual.
La optimización de la periodicidad de la toma de datos predictivos reporta dos ventajas principalmente:
- La extensión de intervalos entre medidas libera mano de obra que puede aplicarse a otras tareas.
- La reducción de los intervalos entre medidas incrementa la fiabilidad en la detección de fallos en desarrollo.
Para determinar el intervalo óptimo entre mediciones es necesario disponer de un histórico de datos predictivos en una máquina y que se haya detectado previamente el modo de fallo que pretendemos detectar. Obviamente esto rara vez podremos conseguirlo, por lo tanto, nos conformamos con establecer aproximaciones. Cuando no se dispone de datos históricos o estos nunca han registrado una avería de la máquina, podemos realizar una estimación del tiempo de desarrollo del fallo basándonos en la experiencia con máquinas similares. Ha de tenerse muy en cuenta que para asimilar máquinas, se han de agrupar por tipo de máquina, velocidad de giro, potencia y disposición.
Contactar con Francisco Ballesteros en LinkedIn.
Contactar con Francisco Ballesteros en LinkedIn.
Enlaces patrocinados:
- PrediPack, la forma más sencilla y rápida de establecer su plan de mantenimiento predictivo en maquinaria rotativa
- Preconcerto, Predictive Maintenance Manager
- Curso de certificación de analista de vibraciones Categoría I según ISO-18436-2
