Blog técnico

Mantenimiento predictivo con Amazon Lookout for Equipment

Machine learning

El ahorro de costes para maximizar beneficios ha sido siempre uno de los principales objetivos empresariales, porque se gana mucho no perdiendo. En la era del dato contamos con herramientas que llevan a estos procesos a la máxima efectividad, como en el caso del mantenimiento predictivo, que nos permite optimizar los procesos de cuidado de los equipos para conseguir de ellos el máximo rendimiento.

En esta publicación vamos a centrarnos en el servicio propio que ofrece la Cloud de Amazon para este cometido, Amazon Lookout for Equipment, que utilizamos en alguno de nuestros proyectos como partners de Amazon Web Services (AWS). El objetivo es el de todos los sistemas de mantenimiento predictivo: minimizar averías, tiempos de parada, reducir el gasto en repuestos, mejorar la toma de decisiones, en definitiva, conseguir de los equipos sus máximas cotas de productividad. ¿Pero cómo lo hace?

Para monitorizar la maquinaria lo primero que necesitamos es capturar los datos que genera. En este sentido, Amazon Lookout for Equipment permite manejar inputs de hasta 300 sensores y cargar históricos de actividad con los que realizará sus pronósticos. Una vez obtenida la materia prima (presión, caudal, revoluciones por minuto, vibración, temperatura, potencia…), la analiza y aplica el aprendizaje automático (machine learning) para transformar esos datos en información de utilidad con la que actuar en virtud de las verdaderas necesidades de la maquinaria, y no en base a calendarios prefijados ajenos a la realidad de los equipos.

Los miles de datos aportados por los sensores serán cribados automáticamente, en base a un modelo preestablecido que obedece a las características concretas de la empresa. Tomando como base los registros estándares determinados, el sistema mostrará los comportamientos anómalos de la maquinaria. Ante la detección de la alteración de cualquier tipo de parámetro, la herramienta de mantenimiento predictivo de Amazon determina qué sensores son los que alojan mediciones atípicas, y advierte del alcance de la anomalía registrada, lo que posibilita dar respuestas rápidas al problema.

Machine learning

Además, al basar su sistema en machine learning, Amazon Lookout for Equipment mejora su propio rendimiento aprendiendo de la información aportada por los operarios y de sus actuaciones ante las desviaciones detectadas. De este modo, una vez revelado un parámetro que difiere del estándar autorizado y emitida una alerta, el sistema evalúa la respuesta humana (si ha supuesto una parada, se ha tratado de una falsa alarma, se permite a la máquina seguir funcionando…) para hacer cada vez más acertados los avisos emitidos. Esta herramienta puede aprender, por ejemplo, que un aumento de X grados no es importante si no va acompañado de un incremento simultáneo de la presión, por lo que esperará a emitir la alerta al momento en el que estos factores confluyan y sea verdaderamente importante ponerlo en conocimiento de los trabajadores.

Contar con información precisa, certera y fácil de interpretar en tiempo real, permite obtener pronósticos rápidos, con los que actuar de manera temprana, ante los primeros signos de avería o bajo rendimiento de una máquina. Se consigue, así, como hemos visto, mejorar la planificación e impedir paradas no programadas y averías de calado, en definitiva, reducir el tiempo de inactividad y aumentar el rendimiento de las maquinas. Como consecuencia se produce, también, ahorro en tiempo de trabajo y recambios, ya que únicamente se reemplazarán las piezas cuando realmente sea necesario y no de manera preventiva, acortando su vida útil.