Un equipo para supervisarlo todo
Ingeniero Superior Industrial y Máster en Ingeniería de Estructuras. Especialista en sistemas de control e integración de equipos, software y redes.
AlfredoSanchez
Un equipo para supervisarlo todo
Un reciente estudio sobre causas del estancamiento del internet de las cosas (IoT) y el avance de la Industria 4.0, citaba entre otras, la falta de aplicación práctica que percibían los directivos de plantas industriales sobre este nuevo cambio de paradigma.
En la mayoría de industrias, el mantenimiento ocupa un lugar preferente en la lista de aspectos clave, las paradas inesperadas por avería, así como la optimización de las programadas, provocan grandes quebraderos de cabeza para los gestores de producción y mantenimiento. Es raro encontrar empresas que no dispongan de alguna herramienta de gestión del mantenimiento (GMAO) y que no tengan implementado, al menos una tipología de mantenimiento por calendario. En algunos casos, hay conjuntos de equipos a los que se aplica una vigilancia especial, recogiendo información sobre su estado, es lo que se conoce como Mantenimiento por Condición, y las actuaciones de mantenimiento se planifican en base al análisis de datos de funcionamiento de los activos vigilados. Esta tipología de mantenimiento presenta ventajas reseñables frente al mantenimiento por calendario, pero se ha encontrado tradicionalmente con los elevados costes de equipos de medida en continuo, o del coste de mano de obra para tomar las medidas en las llamadas ‘rutas‘.
El Internet de las Cosas (IoT) está llamado a liderar el cambio en las estrategias de mantenimiento industrial, proporcionando información ‘online’ de activos con costes asumibles por las empresas.
El Mantenimiento por Condición puede ser la punta de lanza para comenzar la transformación digital en entornos industriales, un punto de partida para una hoja de ruta que debe conducir hacia sistemas inteligentes dentro de un entorno Smart Factory.
Hasta el momento actual, el mantenimiento por condición ha venido caracterizado por dos operativas bien diferenciadas:
La disrupción de la industria 4.0 y la digitalización van a generar un revulsivo en la monitorización de activos, poniendo al servicio del personal de mantenimiento información ‘online’ de todos los parámetros concernientes al estado de los activos de la instalación. Estos equipos de monitorización tienen un coste mucho más asequible y no necesariamente van a emplearse como medio de protección.
Sin embargo, esta evolución del mantenimiento por condición puede, en muchos casos, no justificar la inversión en digitalización, y se hace necesario buscar aplicaciones de más alto nivel. La analítica basada en Machine Learning, mediante técnicas de Streaming Analytics es el aliado perfecto en la revolución digital, donde sistemas de software autónomos analizan cantidades ingentes de datos, aprenden del comportamiento de los sistemas monitorizados y ofrecen información sobre el estado de deterioro de los mismos y previsiones de fallo, ayudando al personal a planificar de manera óptima las paradas. Estas técnicos constituyen además una solución al programa de almacenamiento de datos que plantea el Big Data, ya que descartan la información que no es relevante o novedosa en el funcionamiento del proceso en estudio.
Con este tándem de digitalización basada en IoT y analítica Machine Learning estaremos hablando propiamente de Mantenimiento Predictivo. La información disponible es fácilmente integrable en los sistemas OT e IT implantados en la industria, y hay un flujo continuo de datos continuo entre todos los departamentos.
¿Quién no ha leido en estos últimos tiempos acerca del cambio tecnológico que se avecina en la industria? Supongamos que ya tienes claro que estamos ante un nuevo paradigma industrial, la Industria 4.0, que esta revolución está basada en conceptos como el Internet de las Cosas (IoT), el Big Data o la Realidad Aumentada, y que será la más disruptiva de la historia.
Supongamos que te has dejado seducir por esta nueva filosofía y que estás decidido a que tu industria sea una «Fábrica Inteligente» o Smart Factory, con una total confluencia entre el mundo de la información (IT) y el mundo físico de las máquinas y la producción (OT), con el objetivo de aprovechar al máximo los beneficios de la conectividad en la fabricación: eficiencia, seguridad, competitividad y flexibilidad.
Pero ante el amasijo de información que prolifera acerca de estos conceptos, seguro que en alguna ocasión te han asaltado las dudas:
El Internet de las Cosas Industrial (IIoT) pretende interconectar dispositivos, máquinas y sistemas compartiendo información sensible a tiempo real, con el objetivo de mejorar procesos, ajustar sistemas, predecir fallos en maquinaria, reducir costes, mejorar el OEE e incrementar el beneficio.
Va a aportar mayor visibilidad sobre nuestros procesos productivos, facilitando el flujo de información entre las distintas áreas, generando conocimiento y valor.
¿Ventajas?: muchas.
¿Preparados?: ¿por qué no?.
El interés hacia el cambio va a radicar en la necesidad que de él tengamos, y en encontrar aplicaciones concretas que mejoren nuestro negocio. El camino adecuado comienza identificando mejoras, definiendo qué información es necesaria para la nueva operativa, eligiendo los sensores que nos van a aportar esa información y dónde estarán ubicados. El resto del camino no es complicado. Hay soluciones en el mercado para todas estas aplicaciones y empresas capaces de implantarlas.
Comenzar no es complicado, solo hay que dar los primeros pasos, localizar el foco, y el propio camino conduce a la tecnología adecuada.
Si quieres conocer acerca de nuestra solución para el Internet de las Cosas Industrial, prueba IDAB-IIoT (Industrial Data Acquisition Box). Ponte en contacto con nosotros y te ayudaremos a culminar el camino.
Vamos a monitorizar parámetros básicos de funcionamiento de un frigorífico, tales como temperatura interior, temperatura ambiente o estado de la puerta, para ver cómo afectan al consumo de energía eléctrica.
Este proceso se repite de manera cíclica para lograr el enfriamiento mientras el compresor se encuentra en marcha, lo que se activa por un termostato regulable situado generalmente en el interior. El aporte energético al frigorífico se invierte principalmente en comprimir el fluido en el compresor eléctrico.
Vamos a disponer de un complejo sistema de monitorización a tiempo real desarrollado con un microprocesador Arduino Uno, al que se han acoplado dos shield: una Adafruit Data logger Shield con reloj a tiempo real y tarjeta SD para archivar datos en formato csv (fácilmente exportable a Excel), y una emonTx Arduino Shield SMT para acondicionar la señal de un medidor de intensidad eléctrica.
A su vez se conectan los sensores para adquirir los parámetros de funcionamiento:
Vamos a analizar en un primer momento las temperaturas interior del frigorífico y ambiente, así como el estado abierto de la puerta, en un rango de aproximadamente una hora, en la que la puerta se ha abierto en varias ocasiones. En el eje izquierdo tenemos las temperaturas, y en el derecho el estado de la puerta, representado como 0->cerrado ó 1->abierto.
Podemos observar como al abrirse la puerta, se produce un rápido ascenso de la temperatura interior. Éste ascenso va a depender del tiempo que se encuentre el frigorífico abierto, y de la temperatura ambiente, pues ambas temperaturas tienden a igualarse. Si extendemos el rango e introducimos el resto de variables, podemos observar la tendencia de funcionamiento del equipo.
En el eje izquierdo tenemos representadas la potencia instantánea en W la y humedad relativa en %. En el eje derecho tenemos las temperaturas en ºC y el estado de la puerta en rango 0->cerrada, 10->abierta.
Podemos distinguir dos fases perfectamente diferenciadas, las zonas en las que el compresor está en marcha, donde hay un consumo instantáneo de aproximadamente 120W, y en las que la temperatura desciende de manera brusca en un primer momento, para ascender suavemente a continuación. Por otro lado, tenemos las zonas en las que el compresor no se encuentra en marcha, donde el consumo eléctrico es mínimo, y las temperaturas se van elevando de forma pausada.
En torno a las 03:000 horas se registra un pico de consumo más elevado de lo habitual, al que no sigue un descenso de la temperatura interior, y que se corresponde con un ciclo de refrigeración en el congelador, al que sigue casi de manera inmediata un ciclo más prolongado de refrigeración de la zona interior.
Resulta curioso que la temperatura media del interior disminuye aproximadamente un grado durante la noche, y que los ciclos de arranque del compresor se encuentra muy equiespaciados (aproximadamente 50 minutos), con una duración aproximada de 20 minutos, como si respondiesen a un patrón predeterminado. Por otro, el compresor se mantienen en marcha una vez iniciado el ciclo durante bastante tiempo después de haberse alcanzado la temperatura mínima en el interior.
Continuando con la monitorización de electrodomésticos, y aprovechando el monitor de consumo que hemos desarrollado con Arduino, vamos a analizar el consumo eléctrico de una lavadora, estableciendo una comparativa entre dos unidades bien distintas, una con más de 10 años de antigüedad, y una moderna con certificación energética A+++. Seleccionaremos dos programas muy similiares para poder establecer un análisis de consumo energético.
Aunque el ciclo de lavado puede presentar variaciones en función del programa seleccionado, de forma somera, podemos identificar tres fases principales en el programa de una lavadora: