Transición a nuevas estrategias de mantenimiento con monitoreo remoto

Aprovechamiento de IoT en el mantenimiento de ascensores

por Dan Bryant, Johannes Guntsch, Kyle Hendren y Christopher Pearce

El tiempo de inactividad del ascensor ralentiza a las personas y las operaciones. Además, encontramos que no hay suficiente información sobre el estado actual de los equipos en servicio. Esto crea ineficiencias diarias para los propietarios de edificios y proveedores de servicios. El aumento de los costos operativos y el tiempo de inactividad afectan la rentabilidad de los propietarios de edificios, mientras que los proveedores de servicios experimentan ineficiencias de personal y mayores costos cuando reaccionan a las llamadas de mantenimiento urgentes.

Con los avances recientes en el costo y las capacidades de los sensores, la comunicación de datos, el almacenamiento y la computación, una nueva clase de productos inteligentes cambiará la economía y la dinámica de la industria del transporte vertical (VT). Estos productos se entregarán en forma de hardware con software integrado, junto con servicios continuos que cubren la adquisición de datos, la gestión de datos en la nube y el análisis avanzado.

Estrategias de mantenimiento

Una solución de monitoreo analítico de Internet de las cosas (IoT) permite a los propietarios de edificios y organizaciones de servicios hacer la transición de las actividades de mantenimiento de estrategias obsoletas de mantenimiento reactivo y preventivo a estrategias de mantenimiento proactivo, basado en condiciones y / o predictivo / prescriptivo.

Las actividades de mantenimiento han seguido el mismo proceso desde la Revolución Industrial. Las empresas compran activos y, después de ponerlos en servicio, establecen intervalos de mantenimiento basados ​​en ciclos y reparaciones, o los reemplazan cuando se rompen. Ambos enfoques de mantenimiento se pueden lograr sin el uso de tecnología. La industria de la TV no es una excepción. Actualmente, la mayoría de los servicios de mantenimiento de VT son reactivos o preventivos.

El mantenimiento reactivo / correctivo se lleva a cabo después de la detección de una variación o falla y tiene como objetivo restaurar la máquina a las condiciones normales de operación y minimizar el tiempo de inactividad. Este enfoque se basa en la creencia de que los costos sostenidos por el tiempo de inactividad y la reparación son menores que la inversión requerida para un programa de mantenimiento.

El mantenimiento preventivo (PM) se activa e impulsa por el tiempo o los eventos. Las tareas de mantenimiento se llevan a cabo a intervalos predeterminados o según criterios prescritos. Esta estrategia tiene como objetivo reducir el riesgo de falla o degradación del rendimiento del equipo. Bajo este enfoque, las partes relevantes serán reemplazadas o reconstruidas en o antes de la falla esperada. Dado que el mantenimiento preventivo requiere técnicos calificados y experimentados que comprendan cuándo el equipo no está funcionando a niveles óptimos, el mantenimiento preventivo no tomará en cuenta el funcionamiento real de la máquina, donde, en algunos casos, las piezas se pueden reemplazar cuando no es necesario y no es necesario. ocurre el tiempo de inactividad. Avanzar más allá de los dos primeros niveles es donde IoT está haciendo su impacto.  

En el mantenimiento proactivo, el mantenimiento debe realizarse solo cuando ciertos indicadores muestren signos de disminución del rendimiento o fallas próximas donde los sensores crearían una alarma en cada desviación. Todo el equipo que muestra valores anormales se reacondiciona o reemplaza. De esta forma, es posible extender la vida útil y generar altos niveles de confiabilidad, seguridad y eficiencia.

El mantenimiento predictivo está diseñado para determinar la condición del equipo en servicio para predecir cuándo se debe realizar el mantenimiento para maximizar el tiempo de actividad. Al generar datos durante las operaciones, se define una probabilidad de avería y se establecen contramedidas dentro de ciertos intervalos.

El mantenimiento prescriptivo (RxM) es único en el sentido de que, en lugar de solo predecir fallas, intenta producir recomendaciones o escenarios centrados en los resultados para las operaciones y el mantenimiento a partir de análisis prescriptivos. No solo le dirá cuándo se producirá una falla, sino que le proporcionará diferentes escenarios entre los que puede elegir en función de varias acciones.

Para lograr RxM se requiere la combinación de datos de equipos, datos de servicio de campo y aprendizaje automático. Los objetivos de estos tres niveles principales son similares en el sentido de que buscan reducir el tiempo de inactividad no planificado que puede causar la pérdida de ingresos, materiales y mano de obra.

El crecimiento de IoT

Para 2020, habrá más de 20 mil millones de dispositivos IoT en uso. [1] McKinsey & Co. estima este número en 26-30 mil millones de dispositivos. [2] Ya sea que el número sea 20 o 30 mil millones, o en algún punto intermedio, esto refleja un enfoque creciente en el uso de tecnología basada en sensores y análisis de datos para impulsar los resultados.

IoT tendrá un gran impacto en la economía al transformar empresas, facilitar nuevos modelos comerciales, mejorar la eficiencia y generar nuevas formas de ingresos. Las empresas serán los principales impulsores de las soluciones de IoT.

Utilizando IoT para VT

Cuando las empresas ingresan por primera vez al monitoreo remoto de ascensores, pasan por etapas similares de desarrollo de productos:

• Diagnóstico con datos sin procesar: intentar interpretar las señales de forma sin procesar
• Alerta: muy simple, usando señales para alertar al usuario cuando el ascensor no funciona.
• Ingeniería de arriba hacia abajo: comienza con el panorama general y desglosa cada subsistema con mayor detalle.
• Sensores de IoT, comunicación, nube y aprendizaje automático: brindan información procesable sin que una persona diseñe los diagnósticos. Hacer uso de algoritmos adaptativos de autoaprendizaje es un ejemplo clave.

El mantenimiento proactivo se basa en un diseño preciso, eficiente y rentable. Es importante destacar que la calidad de los datos condicionales proporciona entradas de mayor calidad al aprendizaje automático para obtener las mejores predicciones. En la prisa por llegar al mantenimiento predictivo, muchos se han saltado este importante nivel proactivo basado en condiciones. Sin embargo, el enfoque clave adoptado por Datahoist en los niveles de adquisición de datos y análisis de borde proporciona datos más procesables para el mantenimiento basado en condiciones y datos más ricos para hacer predicciones. 

La nube agrega una enorme capacidad para transformar nuestras prácticas de mantenimiento, aunque la realidad es que es más difícil de lo que la mayoría de la gente piensa conseguir que todos los datos de las máquinas elevadoras entren y salgan de la nube. Lo que complica aún más las soluciones de IoT es que, en muchos casos, las redes celulares simplemente no son lo suficientemente rápidas para manejar la cantidad de datos que se envían de un lado a otro. Hay una solución: la informática de punta.

La informática de borde se adapta muy bien a nuestra industria. Nos permite hacer cosas en el borde de una red, procesando las cosas localmente, reduciendo el ancho de banda y los costos de la nube y celulares. También tiene un mejor tiempo de respuesta que los sensores que trabajan directamente con la nube. Las soluciones de IoT industrial exigen que los problemas se detecten en milisegundos; una latencia más prolongada simplemente no es factible.

La computación perimetral no es nada nuevo para los desarrolladores e ingenieros de Datahoist. A finales de 2014, comenzaron el desarrollo de su dispositivo de quinta generación con el plan de utilizar la computación en el borde desde el principio. Otros han comenzado a doblar la esquina después de ver los enormes beneficios de la informática de borde.

Además, hoy en día existen excelentes herramientas de hardware de IoT en el mercado, como Arduino y Raspberry Pi, que pueden ayudar a que los prototipos estén listos y funcionando rápidamente. Sin embargo, este tipo de herramientas no son adecuadas para la producción comercial y carecen de funciones. También hay muchas herramientas de análisis diferentes disponibles.

Sin embargo, las funciones listas para usar para herramientas predictivas no existen en el mundo de la IoT industrial. Cada industria debe tener su propia experiencia en el campo. Aquí es donde Datahoist y Draka Elevator aportan su experiencia específica en el dominio de los ascensores. El valor de tener experiencia en el dominio como parte de / intrínseco a las soluciones no puede subestimarse, ya que proporciona una mayor información procesable.

Datahoist aprovecha su experiencia en la industria de los ascensores y el desarrollo de hardware / software. Esto ha llevado a nuestro equipo a encontrar una solución clara para el monitoreo remoto de ascensores y la gestión de activos: Draka VantagePoint, con tecnología de Datahoist. En primer lugar, nuestra solución utiliza la tecnología de sensores de IoT para extraer datos operativos y de la máquina de cualquier ascensor, independientemente del tipo. En segundo lugar, aprovechamos la informática de punta, que es especialmente adecuada para ascensores. Por último, los datos se almacenan en la nube, donde los utilizamos en nuestras interfaces de usuario intuitivas para proveedores de servicios, propietarios de edificios, administradores de instalaciones y consultores.

Resumen

IoT está cambiando las metodologías de mantenimiento de los ascensores. Los costos decrecientes de sensores, comunicaciones, almacenamiento de datos y análisis han hecho posible recopilar y procesar volúmenes masivos de datos como nunca antes. La realización serán los más de 20 mil millones de dispositivos de IoT en servicio para 2020. Al analizar los datos de los sensores, las empresas reducirán tanto el tiempo entre las actividades de mantenimiento como el tiempo de reparación, con los ahorros resultantes en los costos laborales y la reducción del tiempo de inactividad.

Los productos de monitoreo de ascensores se entregarán en forma de hardware con software integrado, junto con servicios continuos que cubren la adquisición de datos, la gestión de datos en la nube y análisis avanzados. A través de Draka VantagePoint, una solución analítica de monitoreo remoto, permitirá a los propietarios de edificios y organizaciones de servicios realizar la transición de las actividades de mantenimiento, de estrategias reactivas y de PM a estrategias de mantenimiento proactivas y, eventualmente, predictivas.

Referencias
[1] "Gartner dice que 8.4 mil millones de 'cosas' conectadas estarán en uso en 2017, un 31 por ciento más que en 2016", comunicado de prensa de Gartner, 7 de febrero de 2017.
[2] “Internet de las cosas: dimensionando la oportunidad”, McKinsey & Co., diciembre de 2014.