El mantenimiento predictivo comenzó a definirse en la década de los 80, basándose en la realización de mediciones puntuales sobre algunas variables de funcionamiento de las máquinas que podrían influir en la aparición de futuras averías. Variables como temperatura de elementos críticos, vibraciones en partes móviles, degradación de lubricantes y otras, se medían puntualmente para vigilar su evolución y detectar, en su caso, signos de desgaste de partes importantes de la máquina.

Aunque la monitorización en continuo de procesos de fabricación se utiliza desde hace décadas, el advenimiento del Internet de las Cosas (IoT) parece que ha dado un nuevo impulso a este tipo de tecnologías, reduciendo considerablemente el coste del equipamiento necesario para ello, y facilitando la deslocalización del análisis de los datos recogidos. Quizás sea esta parte, el análisis de datos, la que más rápidamente ha evolucionado en los últimos años pasando a formar parte de las tecnologías clave para la implementación de la Industria 4.0, especialmente las técnicas conocidas como Machine Learning.

El objetivo general del proyecto SIMBA, impulsado por Aidimme, es desarrollar un sistema inteligente de análisis del funcionamiento de una clase determinada de máquinas (prensas de estampación y tornos de decoletaje y de uso general), basándose en la información en tiempo real facilitada por un conjunto de sensores que miden diversas variables de los equipos.

Este sistema se ubicará en una plataforma ad-hoc de forma que será accesible a cualquier empresa del sector que siga los protocolos de medición y comunicación definidos previamente. Los resultados del análisis servirán de soporte para la toma de decisiones en cuanto a las acciones de mantenimiento a emprender y podrán ser visualizados de forma continua por cada empresa usuaria de la plataforma.

Los objetivos específicos son:

• Definir una metodología de selección y medición de variables críticas en cada tipo de máquina, incluyendo tipo y cantidad de sensores a utilizar y su ubicación más favorable para recoger los eventos deseados. Esta metodología servirá como “protocolo de medición” para las empresas que quieran monitorizar sus equipos y utilizar el sistema inteligente de medición (SIMBA).
• Desarrollar un proceso de evaluación y depuración de los datos recogidos por los sensores. En los procesos de captura y conservación de datos hay algunos problemas típicos, tales como los datos perdidos por problemas de comunicación, problemas relacionados con los sensores (ruido, picos de medición) o problemas relacionados con la calibración de los mismos. Este proceso de “completar y enriquecer” datos debe diseñarse y realizarse sistemáticamente y de forma transparente para el usuario.
• Desarrollar un sistema de transmisión de datos eficaz para que el sistema pueda alimentarse automáticamente de ellos en los ciclos de comunicación previstos.
• Diseñar una interfaz de usuario que informe de forma clara sobre la situación real de cada equipo monitorizado, y advierta sobre las desviaciones a la condición de funcionamiento normal.

El sistema se evaluará con dos empresas piloto, KAMAX y FACTOR, que implantarán el sistema inteligente de mantenimiento basado en el estado real del equipo de producción