Analítica aplicada en la gestión de mantenimiento
Conferencistas: Oscar Hoyos Vásquez Daniel Muñoz
¿Qué esta diciendo la industria? ¿Es crucial el análisis de datos en su organización? 69%
¿tiene una estrategia corporativa de análisis de datos? ¿tiene una unidad dedicada al análisis de datos? ¿Ha finalizado sus proyectos de análisis de datos?
En 5 años
84% encuestados respondieron que “es crucial para el éxito de los negocios”
32%
46%
30% Si
15%
Hoy
68%
54%
70% No
Muchas compañías dicen tener estrategias corporativas de análisis de datos pero pocas tienen proyectos completados
Industrial Analytics Report 2016/2017 Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Principales aplicaciones de la analítica industrial En los próximos 3 años el Mantenimiento predictivo y prescriptivo de maquinas será una de las aplicaciones más importante de la analítica industrial.
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Big picture – analítica industrial Industrias 4.0
Internet de las cosas
IOT
Análitica Industrial Big data
Analítica de Datos Machine Learning (ML) Inteligencia Artificial (AI)
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Recolección, análisis y uso de los datos generados en la operación industrial. TRANSFORMACIÓN
Agenda 1.
Diferencias entre ML & AI, analítica predictiva, big data, IoT
2.
La naturaleza de los datos
3.
Correlación entre variables de condición y modos de falla
4.
Diferentes algoritmos para diferentes modos de falla
5.
Caso práctico para industria energética
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Terminología - Big Data • Es cuestión de tamaño – Lo que hace unos años era "big" ahora no lo es tanto • Contempla captura, almacenamiento, análisis y presentación • Definición tradicional 4V – Velocidad – Variedad – Volumen – Veracidad No requiere una estructura rígida (modelo de datos)
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Terminología – Machine Learning (ML) • Técnicas estadísticas y algoritmos que le permiten "aprender" a un computador • Extraen patrones de los datos entregados • Diferentes tipos: One size does NOT fit all
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Terminología – Inteligencia Artificial (AI) • Inteligencia (percepción de condiciones para maximizar sus posibilidades de alcanzar sus logros) demostrada por un sistema artificial • Dos tipos a analizar: – Estrecha – General • Ha demostrado ser un problema más complejo de lo que se creyó al principio • ML es una herramienta para lograr AI
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Conceptos básicos – correlación y causa
Fuente: tylervigen.com
Sólo por que existe una correlación, no significa que un par de fenómenos estén relacionados Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Conceptos básicos – modelamiento • Al reducir un conjunto de datos a valores descriptivos se pierde mucha información. • Los modelos creados van a ser un compromiso entre complejidad y utilidad. • Un gráfico puede ofrecer mucha más información que el resultado de un cálculo.
• El análisis por parte de un experto es fundamental
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
By Anscombe.svg: SchutzDerivative works of this file:(label using subscripts): Avenue Anscombe.svg, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=9838454
Conceptos básicos – extrapolar conclusiones • Hay que tener cuidado con las conclusiones derivadas de los datos • La cantidad de datos y su calidad son la base de un buen análisis
xkcd por Randall Munroe. https://xkcd.com/605/
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Agenda 1.
Diferencias entre ML & AI, analítica predictiva, big data, IoT
2.
La naturaleza de los datos
3.
Correlación entre variables de condición y modos de falla
4.
Diferentes algoritmos para diferentes modos de falla
5.
Caso práctico para industria energética
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
¿Qué es Big Data? Velocidad tiempo real cerca a tiempo real
incompleta subjetiva anomalías
Veracidad Asociación Colombiana de Ingenieros Capítulo Cundinamarca
PB
TB
ruido
GB
Variedad
baches
MB
sensor video audio foto DB tabla
periódico
Volumen
Big data en la gestión de mantenimiento ¿Dónde, cómo y cuando almacenan? SCADA TBM CMMS EAM
MTBF
Analítica Industrial (ML, AI)
CBM termografías MTTR Análisis de aceite inspecciones
¿cuál es su nivel de madurez? Asociación Colombiana de Ingenieros Capítulo Cundinamarca
¿Por qué son importantes los datos en mantenimiento? Los datos nos ayudarán a entender el pasado para analizar las posibilidades futuras
historia
OT
SCADA CBM
Predecir el futuro Nivel de incertidumbre
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
El proceso básico de mantenimiento Identificación
Planear
Programar
Proceso mejora Continua
Análisis
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Registro de Información
Ejecutar, Observar y sugerir
El proceso básico de mantenimiento y sus fuentes datos
Efectividad Mtto (mejora continua)
Eficiencia Mtto
Identificación
Planeación
Programación
Análisis
Registro
Ejecución
•
Costos
•
Monitoreo tiempo real
•
Variables de condición
•
Georeferenciación
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Funcionalidades soportadas por el CMMS Funcionalidades soportadas por SW Analítica
La naturaleza de los datos 1. Planes de mantenimiento 2. Falla 3. Repuestos & Inventarios 4. Costos
5. Datos de monitoreo de condición ▪ Medidas e Inspecciones ▪ Datos del proceso • Variables Internas • Variables Externas
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Información almacenada en CMMS
Información almacenada en varios sistemas. Ejemplos?
Profundizando en las fallas
CAPACIDAD DE DISEÑO Lo que puede hacer el activo
Función del equipo
Desempeño
Hay dos tipos de estándares de desempeño
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
DESEMPEÑO DESEADO Lo que el usuario desea que haga el activo
Profundizando en las fallas DiseĂąo Mantenimiento logra sus objetivos manteniendo la capacidad del activo en esta zona
Deseado No se puede aumentar la capacidad del activo por encima de este nivel
AsociaciĂłn Colombiana de Ingenieros CapĂtulo Cundinamarca
El objetivo de Mantenimiento es asegurar que la capacidad se mantenga por encima de este nivel
Profundizando en las fallas CAPACIDAD DE DISEÑO
FALLA → Lo que deseamos que haga está por fuera del rango de capacidades
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Lo que puede hacer un activo
Desempeño
¿Cuando estamos en un Estado General de Falla?
Rango de Capacidades DESEMPEÑO DESEADO Lo que el usuario desea que haga el activo
Falla completa vs Falla parcial
Diseño= 400 l/min
Deseo= 300 l/min
A 400 litros/ minuto No hay Falla✓
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Falla completa vs Falla parcial
Diseño= 400 l/min
Deseo= 300 l/min
A 0 litros/ minuto
Falla Total X Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Falla completa vs Falla parcial
¿Dónde, cómo y cuándo registran sus fallas? Qué tan confiable son? Diseño= 400 l/min
Deseo= 300 l/min Aún trabaja, pero la capacidad está por debajo de lo que el usuario acepta
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
A 280 litros/ minuto
Falla Parcial X
Datos de monitoreo de condición ¿Dónde, cómo y cuándo registran las variables de condición?
Externas: Medidas de CBM que detectan esfuerzos anormales en un sistema, que si no se corrigen podrán eventualmente provocar una falla (carga, malas maniobras, terreno, pendientes, ect). Estas variables influencian una falla Internas: Medidas de CBM que detectan el resultado acumulado de los esfuerzos – es decir, detectan la evidencia de que un modo de falla ha iniciado pero que aún no ha progresado hasta el punto donde ha perdido su función. Los análisis de aceite y de vibraciones y otras observaciones de CBM hacen seguimiento a este tipo de variables CBM. Influencian la probabilidad de falla. A veces las variables externas son simples, poco costosas de obtener Y tienen un mayor contenido predictivo Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Agenda 1.
Diferencias entre ML & AI, analítica predictiva, big data, IoT
2.
La naturaleza de los datos
3.
Correlación entre variables de condición y modos de falla
4.
Diferentes algoritmos para diferentes modos de falla
5.
Caso práctico para industria energética
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Importancia de las fallas y variables de condición 1. Existen comportamientos normales que es importante identificar 2. Conocer el comportamiento normal nos permite buscar anomalías
3. Cuando ocurre una instancia de un Modo de Falla, la anomalía es referenciada. Si el patrón vuelve a ocurrir es reconocido como una falla. 2. Anomalías
1. Comportamiento normal
Estándares de desempeño
Cada modo de falla tendrá su modelo predictivo propio Asociación Colombiana de Ingenieros Capítulo Cundinamarca
3.Modo de Falla = Parte + daño + causa
Análisis de correlación fallas y variables de condición Problema: Fallas repetitivas sobre motor Cummins Análisis: Correlación entre variables de monitoreo de condición (aceite) y falla
Cambios de aceite Comportamiento normal
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Aumento Falla niveles
Análisis de correlación fallas y variables de condición Solución: Creación de modelo predictivo que considera el Hierro y la Edad como variables predictivas. mismo comportamiento. Motor 01
Motor 02
Motor 03
Los niveles de Fe suben alrededor del mismo horometro Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Agenda 1.
Diferencias entre ML & AI, analítica predictiva, big data, IoT
2.
La naturaleza de los datos
3.
Correlación entre variables de condición y modos de falla
4.
Diferentes algoritmos para diferentes modos de falla
5.
Caso práctico para industria energética
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Modelo estadístico (ej: Weibull) Acomodar los datos a una distribución Weibull Predicción
Datos Indormación transaccional CMMS /EAM (WO, fallas)
Suposición de un modelo No considera los modelos físicos de los equipos No considera la condición Requiere pocas fallas
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Alta incertidumbre No descriptivo Intervalos de tiempo (TBM)
Modelo analítico aprendizaje de maquina (ML) Datos
Modelo Analítico Predicción
Información transaccional
Proceso iterativo
Baja incertidumbre
No se parte de cero se apoya en los fenómenos físicos
Genera modelos accionables
CMMS /EAM (WO, fallas)
Sensores, IIoT SCADA, CBM
Validaciones constantes de SME Criterio & experiencia
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Retroalimentación
Aprendizaje de Máquina (ML) •
Algoritmos diseñados para obtener información relevante a partir de grandes cantidades de datos y variables
•
Ayudan a resolver retos de: – Detección de anomalías – Reglas de asociación – Agrupamiento (clustering) – Clasificación – Regresión – Sumarización
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Conceptual
AsociaciĂłn Colombiana de Ingenieros CapĂtulo Cundinamarca
Agenda 1.
Diferencias entre ML & AI, analítica predictiva, big data, IoT
2.
La naturaleza de los datos
3.
Correlación entre variables de condición y modos de falla
4.
Diferentes algoritmos para diferentes modos de falla
5.
Caso práctico para industria energética
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Detección y predicción fallas en rodetes Problema: 1. 2. 3. 4. 5.
Recurso hídrico con alta cantidad de sedimento Alto número de fallas en los Rodetes Pelton Datos relacionados con el desempeño de los rodetes Pelton separados en diferentes bases de datos (inspección, SCADA, registros fotográficos) Inspecciones realizadas de forma manual no permite tabular y por ende explotar los datos para análisis Baja visibilidad del desempeño del rodete
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Detección y predicción fallas en rodetes Solución: Transformación digital de las inspección
Procesamiento Datos – Motor predictivo
Tipo de algoritmo usado Clustering (no supervisado)
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Dashboards de preguntas de negocio
Detección y predicción fallas en rodetes Procesamiento de datos:
App móvil
Modelo analítico Dashboards Scada
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Cliente
Detección y predicción fallas en rodetes Beneficios: •
Identificar tendencias y predecir tiempos probables de falla.
•
Inferir problemas de las condiciones del rodete en general (como calidad del agua, desalineaciones, malas sujeciones de cojinetes, baja lubricación).
•
Determinar patrones y problemas a nivel de cangilón, para ayudar en la detección de malas reparaciones y de deterioro de cangilones individuales.
•
Si se integra información de condición (datos SCADA) de la unidad de generación, se pueden enriquecer las predicciones y ser más acertados a la hora de inferir tiempos remanentes de vida útil para los rodetes y tener un coeficiente de deterioro más acertado.
Asociación Colombiana de Ingenieros Capítulo Cundinamarca
La analítica es una proceso Analítica
Input Humano
Descriptiva ¿Qué pasó? Diagnóstico ¿Por qué pasó? Data
Predictiva ¿Qué va a pasar? Prescriptiva ¿Qué debo hacer yo?
Decisiones significativas Acciones Y oportunas
Text Soporte a la decisión Automatización decisión
A medida que aumenta la capacidad analítica se reduce el procesamiento humano en la toma de decisiones La analítica es un proceso que requiere maduración Asociación Colombiana de Ingenieros Capítulo Cundinamarca
Gracias Oscar Hoyos Vásquez +57 3182527551 Oscar.h@uptimeanalytics.com Linkedin: https://www.linkedin.com/in/oscar-hoyosvasquez-5741b417
Asociación Colombiana de Ingenieros Capítulo Cundinamarca