Homelowertripezone500x180px.png)
Digitalización de activos lubricados. Monitorización online del riesgo operacional
Guillermo Miró
Ingeniero de Aplicaciones
Atten2 advanced monitoring technologies
Eneko Gorritxategi
CTO
Atten2 advanced monitoring technologies
Edgar Martínez
CEO
Atten2 advanced monitoring technologies
Ion Grijalbo
KAM
Atten2 advanced monitoring technologies
1. INTRODUCCIÓN
La llegada del Internet Industrial de las Cosas (IIoT) y la Industria 4.0como nuevo paradigma industrial han activado nuevas herramientas para aumentar la fiabilidad en las industrias actuales. Nuevos tipos de datos están abriendo estrategias para aumentar la fiabilidad en la maquinaria industrial.
Estas soluciones están basadas en Big Data Analysis, Machine Learning (ML) y la inteligencia artificial (IA), entre otras, las cuales pueden implementarse en forma de un “Modelo de Mantenimiento Prescriptivo”, enfocado en solucionar problemáticas de fiabilidad y optimización de procesos.
Para la aplicación de este nuevo paradigma en el sector del mantenimiento y la fiabilidad es necesario la aparición de nuevos datos asociados al mantenimiento de las máquinas.
La integración de tecnologías de monitorización de equipos en línea genera una nueva perspectiva en el conocimiento del estado de la máquina. Hoy en día, existen tecnologías que permiten la monitorización online dela mayoría de las técnicas de mantenimiento predictivo, como vibraciones, análisis de aceite, termografía, etc.
La aplicación de todas las tecnologías arriba comentadas y un tratamiento adecuado de los datos puede permitir no sólo detectar una condición de fallo con bastante tiempo de anticipación, sino que también prescribir una solución para mitigar o corregir la anormalidad. Para lograr ese nivel de precisión se requiere procesar una gran cantidad de datos, es aquí donde este modelo aprovecha las tecnologías emergentes de la Industria 4.0 y el IIoT. La digitalización generará más datos por parte de los sistemas, por lo que el rol de los responsables de fiabilidad debe ser conocer y convertir este flujo de datos en información relevante.
2. DIGITALIZACIÓN DE ACTIVOS LUBRICADOS
2.1. Industria 4.0 y su impacto en el mantenimiento y fiabilidad
La llegada de la industria 4.0 tiene una serie de consecuencias para el mantenimiento y la fiabilidad1. Uno de los avances que van asociados a este cambio de paradigma es un incremento en la aplicación del mantenimiento predictivo. En lugar de realizar inspecciones rutinarias basadas en el calendario y la sustitución de componentes, permiten supervisar el equipo en busca de fallos y notifican cuando es necesario sustituir una pieza. Los sensores incorporados en el equipo comprueban si hay condiciones anormales y activan las órdenes de trabajo cuando se incumplen los límites de funcionamiento seguro. Esto redunda en un aumento de la fiabilidad.
Otra gran ventaja de la industria 4.0 es el análisis de datos en tiempo real. La disponibilidad de todos los datos de las máquinas en una red virtual da a los fabricantes de equipos originales (OEM) la capacidad de agregar y analizar los datos para generar mejores modelos analíticos de predicción. En lugar de esperar a que un sistema falle, los fabricantes pueden predecir con precisión el fallo porque los sensores empiezan a informar cuando las condiciones de funcionamiento tienden a estar fuera de las especificaciones. Al trazar un mapa preciso del comportamiento del usuario, identificar los patrones de fallo y reconocer rápidamente los problemas recurrentes, los fabricantes de equipos originales podrán diseñar fallos, mejorar su producto y garantizar el tiempo de funcionamiento. Esto agrega un valor añadido a los clientes y además mejora los índices de satisfacción a la par que reduce las reclamaciones en el período de garantía...
La gran capacidad de almacenar y correlacionar datos permite el aprendizaje. Los datos de fallos de varias fuentes pueden ser reunidos, agregados y analizados en tiempo real dentro de la nube. Las opciones de reparación pueden ser tomadas automáticamente por el sistema, y las acciones pueden ser recomendadas al técnico si es necesario.
La digitalización impacta especialmente en activos remotos. Los activos con limitaciones geográficas se pueden beneficiar especialmente de la digitalización, ya que se pueden reducirlas visitas de servicio a estos activos. Una adecuada monitorización de parques eólicos, subestaciones o bombas puede reducir el tiempo de reparación y de inactividad de este tipo de activos críticos y por lo tanto, reducir los costes de forma significativa.
2.2. Lubricación digital
El estado de la tecnología para la lubricación digital ha experimentado un avance brutal en la última década. Los dispositivos presentes en el mercado son cada vez más compactos, robustos y ofrecen más parámetros al usuario final. A grandes rasgos, existen cuatro principales tecnologías de monitorización on-line del aceite lubricante:
- Contaminación del fluido:La contaminación por partículas en el fluido es medido de diferentes maneras.
- Los sensores magnéticos o chip detector utilizan variaciones en el campo magnético o eléctrico para la detección.
- Sensores de atenuación de luz que miden el oscurecimiento de un haz de luz debido al paso de las partículas.
- Sensores ópticos toman imágenes en tiempo real del fluido y se realiza un procesado para distinguir partículas y sus formas y burbujas.
- Degradación del lubricante: La degradación es un proceso complejo que puede ser medido desde varias perspectivas. Hoy en día, existen sensores on-line basados en propiedades eléctricas o de espectrometría.
- Viscosidad: Control de la viscosidad mediante parámetros físicos de resonancia o acústicos.
- Humedad relativa:La humedades medida mediante sensores capacitivos, pero es una medida limitada y dependiente de la temperatura y del fluido. Existen sensores basados en NIR para la detección cuantitativa de agua.
2.3. Arquitecturas de digitalización
Una vez estos datos son recopilados por parte del cliente, puede utilizar estrategias para estructurar su arquitectura de digitalización. En mantenimiento y fiabilidad, se opta por una estructura híbrida cloud-edge. Un buen ejemplo es el de Talgo con su cloud-edge monitoring2.
El edge computing es un tipo de informática que ocurre en la ubicación física del usuario, de la fuente de datos, o cerca de ellas. Al establecer servicios de computación cerca de esas ubicaciones, se maximiza la velocidad de procesamiento.Con el edge computing, se puede distribuir un conjunto común de recursos en una gran cantidad de ubicaciones, para recopliar datos de calidad a pie de máquina. Esto se comunica con un sistema cloud para gestión de flotas. Toda la información, procesos, datos, etc., se localizan dentro de la red de internet, como en una nube, así todo el mundo puede acceder a la información completa, sin poseer una gran infraestructura.Esto permite el rápido desarrollo de modelos predictivos y de sinergias entre las diferentes fuentes de datos y de soluciones aplicadas.
3. ESTRATEGIAS DE MONITORIZACIÓN DEL RIESGO OPERACIONAL
3.1. Límites estáticos y tiempo de exposición
La monitorización continua por parte de la tecnología online permite definir los límites estáticos y relacionarlos con las condiciones de operación, añadiendo además cuánto tiempo se superan estos límites, lo que se define como tiempo de exposición.La monitorización durante un período de tiempo concreto (diario, semanal o mensual) de cuántas veces se han superado los valores límites y el período de tiempo de exposición en cada uno de estos sucesos, permite la definición de nuevos indicadores.Según el equipamiento, los valores a monitorizar son diferentes. En laFigura 1se muestra un ejemplo de aplicación de tiempo de exposición a la monitorización de una turbina de gas.
3.2. Límites dinámicos
El análisis continuado asociado a las condiciones de operación puede ofrecer ingente cantidad de información sobre la condición de la máquina, asociada a cada uno de sus puntos. Esta información nos puede llevar a la generación de límites dinámicos basados en zonas de operación de la máquina y de modelos de normalidad para contrastar en todo momento el estado del activo.
En primer lugar, es importante conocer el nivel de correlaciones entre variables de máquina y de sensor. Es decir, los límites dinámicos lo son porque dependen de las condiciones de operación, por lo que la aplicación de esta tipología de monitorización del riesgo depende de la influencia de las condiciones de operación sobre el estado del fluido.
En primer lugar, es necesario definir las condiciones de operación donde las medidas delos sensores presenten más estabilidad, para obtener información independiente de las condiciones de operación.
Otra herramienta para utilizar es la generación de modelos de normalidad asociados a modelos estadísticos, como el Multivariate Gaussian Classification (MGC). La generación de partículas sigue un patrón definido, como se puede observar en la Figura 3. En verde puntos dentro del modelo, y en rojo anomalías. La evolución de estos puntos con el tiempo permite la adaptación y meta-análisis de estos modelos.
3.3. Estudio de eventos
Mediante el uso de análisis independientes se pueden identificar eventos potencialmente dañinos para el activo. Esta capacidad de análisis se combina con la adquisición de datos dentro del propio evento que pueden cuantificar la severidad de éstos. Esto permite la definición de una “huella dactilar” del evento que permite su clasificación independiente, con sus propios criterios y indicadores.
3.4. Evaluación de acciones de mantenimiento
La tecnología implementada puede aplicarse a la cuantificación inmediata de la eficiencia de ciertas acciones de mantenimiento relacionadas con el lubricante del activo como cambios o rellenos de aceite, filtrados off-line y sustituciones de elementos tribológicos como cojinetes o engranajes.
4. EJEMPLOS
4.1. Optimización del ciclo de vida del aceite
La monitorización online de la degradación del aceite permite la optimización de los períodos de cambio de éste, con importantes beneficios económicos y medioambientales.Además, la monitorización de la velocidad de degradación permite la detección de condiciones anómalas sobre el lubricante, como problemas de refrigeración, excesivo estrés térmico o mecánico u otras condiciones. En el ejemplo, la monitorización continua de la degradación en un sistema hidráulico permite la monitorización de rellenos de aceites y cambios en la tasa de degradación.
4.2. Monitorización temprana de un fallo
La detección temprana del desgaste en maquinaria lubricada es un indicador directo del riesgo operacional de ésta. La cantidad de información entregada por los sensores online permite identificar parámetros adicionales sobre el fallo, sus desencadenantes o su evolución.En el ejemplo se observa un fallo debido a fallos de lubricación continuos en operación, tanto mediante datos de sensores online como por boroscopia posterior.
4.3. Evaluación de filtración y extensión de vida
Existen estudios3que relacionan directamente el nivel de limpieza de los fluidos con la extensión de vida de componentes lubricados. Sin embargo, las condiciones de operación cambiantes en cierta maquinaria hacen difícil la cuantificación de este efecto mediante análisis puntuales. Por ello, la monitorización online de este parámetro permite una cuantificación continua de este beneficio y un mejor conocimiento de este parámetro, especialmente en condiciones de extensión de vida.En el ejemplo concreto, se calculó un potencial del30% de mejora debido a una mejor limpieza del fluido en una transmisión.
4.4. Monitorización de eventos inesperados
Una de las principales ventajas de las tecnologías online es la detección de desgaste agudo de maquinaria debido a un evento inesperado. En sistemas energéticos, las paradas no planificadas o las condiciones de arranque cambiantes son ejemplos de estos eventos inesperados que pueden ser catalogados, categorizados y cuantificados según su severidad.En el ejemplo mostrado, se analiza la generación de partículas durante una parada no planificada debido a alto viento en una transmisión de aerogenerador.
5. CONCLUSIONES
La digitalización y la industria 4.0 es un paradigma actual que requiere de datos y tecnología para ser aplicada, y el mantenimiento no es una excepción. Las técnicas de mantenimiento predictivo como el análisis de aceite están llegando a la digitalización mediante la utilización de sensores on-line que permiten generar datos digitales sobre el estado de la maquinaria a través del aceite. La aplicación de estructuras digitales como el cloud computing, la sinergia de fuentes de información actuales y nuevas y la generación de nuevos criterios y maneras de visualizar y entender la información permitirán una mejor monitorización del riesgo operacional y un aumento de la fiabilidad y eficiencia de la maquinaria industrial del presente y del futuro.
