Software de mantenimiento: Percepciones erróneas del mantenimiento predictivo

Software de mantenimiento: Percepciones erróneas del mantenimiento predictivo

DINGO dice que después de trabajar con minas de todo el mundo durante más de 25 años, ha escuchado algunas preocupaciones, y percepciones erróneas, sobre el mantenimiento predictivo. El software de salud de activos de DINGO, Trakka® 4.5, captura información de salud predictiva automáticamente de cada máquina minera, informa sobre el rendimiento y, si se encuentran problemas, programa una solicitud de servicio con antelación para evitar fallas en los equipos. Maximiza los datos que ya tiene la mina, incluidos los datos de mantenimiento preventivo, por lo que se puede abordar un problema antes de que se convierta en un problema.

La compañía argumenta que la implementación del mantenimiento predictivo no se basa en hacer bien el mantenimiento preventivo tradicional, ni siquiera en absoluto. “El objetivo de DINGO es asumir todo el trabajo pesado y maximizar sus procesos actuales, para que su equipo pueda concentrarse en sus tareas mientras implementamos el mantenimiento predictivo para usted.

El mantenimiento de rutina generalmente se desencadena por fallas y factores fijos como el tiempo, la antigüedad, las recomendaciones de servicio y las lecturas de los medidores. La desventaja del mantenimiento preventivo es que es fácil perder algo si ocurre fuera de la ventana de mantenimiento programado. Por el contrario, el mantenimiento predictivo se basa en la condición de operación real de su equipo, por lo que está evaluando continuamente si todo está funcionando bien".

Algunas minas dependen de los datos de los sensores para comprender qué equipo necesita atención. La desventaja es que los datos de los sensores son solo una parte de la historia; según los expertos de mantenimiento de Dingo, más del 80% de todos los problemas se encuentran a través de otras fuentes de monitoreo de condición.

Otro desafío es que la cantidad de datos recopilados suele ser abrumadora y casi imposible de analizar manualmente. En promedio, se está utilizando menos del 1% de los datos disponibles en la industria minera; si esos datos se utilizan de manera inteligente, podrían evitar averías costosas y lentas de los equipos.

“El Trakka 4.5 de DINGO ingiere, cura y analiza datos de casi cualquier fuente al mismo tiempo que recomienda acciones para solucionar problemas. Al utilizar el análisis predictivo y el aprendizaje automático, Trakka puede "aprender" a partir de patrones y hacer predicciones inteligentes basadas en los datos".

DINGO también cree que el análisis de datos por sí solo no es suficiente, la experiencia humana también debe aplicarse para solucionar problemas y diagnosticar problemas. Su equipo de expertos en inteligencia de condición revisa los datos de monitoreo de condición diariamente para identificar proactivamente los problemas y recomendar acciones correctivas. También continuarán supervisando los problemas abiertos hasta que el equipo vuelva a un estado de funcionamiento normal.

La compañía también argumenta que la mayoría de las minas no se dan cuenta de lo bien que podrían desempeñarse si tuvieran la tecnología adecuada. Casi todas las minas tienen margen de mejora: según los datos recopilados de más de 50 operaciones mineras en todo el mundo, el 33% de los componentes principales operan regularmente en estado de advertencia y más del 11% se encuentran en condición crítica.

“Dentro de cada una de sus máquinas hay una gran cantidad de información. La compañía dice que el software de mantenimiento predictivo y de salud de los activos consiste en escuchar, buscar, localizar y actuar para solucionar problemas inminentes antes de que se conviertan en problemas mayores. "La recuperación típica citada con DINGO es mayor que 4 a 1 dentro de 12 meses.

Dingo-Percepciones-Erroneas-AMMMEC-1-01