3 pasos para construir una solución analítica completa

Los usuarios no tienen que ir muy lejos para ver la promesa que ofrece el análisis predictivo para la industria del control de flujo. La capacidad de predecir cuándo y por qué un activo crítico fallará, y abordar el problema antes de que afecte las operaciones, es convincente. Los beneficios adicionales incluyen reducir los gastos de mantenimiento y los inventarios de repuestos, aumentar la eficiencia energética y mejorar el rendimiento de la planta.   

¿Qué no se podría amar? 

Pero el análisis predictivo es solo una parte de un enfoque analítico completo. Claro, el análisis predictivo podría ser la palabra de moda brillante, nueva y emocionante, pero sin sentar las bases con una estrategia analítica integral, los usuarios nunca se darán cuenta de todos los beneficios ofrecidos. 

Hay tres componentes de una estrategia analítica integral. Aquí hay una mirada más cercana a cada uno y los roles que juegan en un enfoque holístico. 

Paso uno: análisis descriptivo 
Qué es: el análisis descriptivo incluye la agregación de datos y las tendencias para proporcionar información sobre el rendimiento pasado de los activos. 

¿Qué pregunta responde? "¿Lo que ha sucedido?"

Lo que los usuarios deben saber: antes de que un usuario pueda predecir lo que va a suceder, debe saber lo que está sucediendo ahora. Muchas plantas recopilan esta información a través de inspecciones de ruta programadas. Este enfoque ofrece una instantánea del rendimiento de un activo en un momento específico en el tiempo. La operación obtiene poca información a largo plazo sobre el desempeño de ese activo a lo largo del tiempo. 

La instalación de sensores cableados para monitorear el rendimiento del equipo de manera continua podría no ser económicamente viable, dado el costo de la mano de obra y la interrupción de la operación de instalación. 

Una solución que se encuentra en el medio de estos son los sensores inalámbricos de largo alcance (LoRa) para monitorear activos no críticos. Los sensores inalámbricos LoRa que funcionan con baterías transmiten datos de vibración, presión y temperatura cada 15 minutos, lo que brinda al usuario una descripción detallada del comportamiento del equipo. Tener estos datos históricos puede permitir a los usuarios ver cómo el rendimiento del equipo está en tendencia. Cuando se encuentra una anomalía de rendimiento, los usuarios pueden desplegarse en el campo para identificar y abordar la causa raíz. 

La inspección manual solo de aquellos activos que experimentan problemas, en lugar de todos los activos en forma mensual o trimestral, puede ser operacionalmente más efectiva y segura, ya que reduce la exposición del usuario a condiciones potencialmente peligrosas.

Este enfoque también brinda a los usuarios los datos históricos de rendimiento necesarios para avanzar al siguiente paso: análisis predictivo. 

Paso dos: análisis predictivo
Qué es: el análisis predictivo utiliza modelos estadísticos y algoritmos de ingeniería para comprender el rendimiento futuro deun activo. 

¿Qué pregunta responde?  "¿Qué podría pasar?"

Lo que los usuarios deben saber: ahora que se han recopilado los datos de rendimiento de los activos, los usuarios deben revisarlos cuidadosamente para saber cómo ciertos comportamientos pueden generar problemas. Aquí es donde entran en juego los análisis predictivos. Los algoritmos de aprendizaje automático deben analizar los datos del equipo que contienen algunos eventos peculiares para que sean efectivos; de lo contrario, no aprenderán nada sobre el sistema de gestión de flujo. Este período se denomina fase de entrenamiento porque entrena los algoritmos sobre qué buscar en función de fallas anteriores. 

Por ejemplo, las bombas a menudo se ven afectadas por problemas generados por el sistema, como cavitación, cargas excesivas de tuberías o transitorios térmicos. Estas condiciones ocurren con menos frecuencia que el desgaste normal del rodamiento, pero podrían causar una falla significativa de la bomba. Los algoritmos de ingeniería utilizan leyes físicas para identificar un modo de falla en una fase temprana. 

Es importante enfatizar que la calidad de los datos recopilados durante la fase de análisis descriptivo tiene un impacto directo en lo que los usuarios pueden lograr en la fase de análisis predictivo. Los datos incompletos o erróneos conducirán a predicciones inexactas. 

Paso tres: análisis prescriptivo
Qué es: el análisis prescriptivo utiliza algoritmos de optimización, simulación y experiencia para asesorar sobre los
posibles resultados.

¿Qué pregunta responde?  "¿Qué debemos hacer?"

Lo que los usuarios necesitan saber: con un enfoque integral de recopilación y análisis de datos, las instalaciones pueden centrar su atención en comprender qué acciones pueden tomar para abordar los problemas del equipo antes de provocar un tiempo de inactividad o afectar el rendimiento y resolverlos de una vez por todas. La analítica prescriptiva permite a los usuarios determinar el mejor curso de acción para problemas específicos del equipo. 

Por ejemplo, si los algoritmos de análisis predictivo determinan una caída en la eficiencia del flujo de la bomba, el análisis prescriptivo sugiere la acción más efectiva, como cambiar el tipo de impulsor u operar la bomba en una condición diferente, para superar el problema. 

Un escenario típico de análisis prescriptivo se ve así: 

Los sensores inalámbricos o cableados envían datos de rendimiento del equipo a un centro de datos monitoreado por OEM. 

La plataforma de nube de análisis de Internet de las cosas (IoT) evalúa estos datos para identificar anomalías. Si el software detecta una anomalía, el sistema alerta a un ingeniero de confiabilidad OEM para que realice un análisis en profundidad. 
El ingeniero de confiabilidad revisa los datos, captura datos adicionales de espectro completo del equipo si es necesario y recomienda un curso de acción basado en los datos, la experiencia y el conocimiento del equipo. 

El usuario incorpora los cambios para abordar los problemas antes de que afecten la productividad de la planta. 

Un enfoque de tres puntas
Las instalaciones que desean obtener los valiosos beneficios de la analítica predictiva deben tomar medidas para implementar un programa analítico integral que incluya medidas descriptivas, predictivas y prescriptivas. Este enfoque triple generará los datos, análisis y recomendaciones necesarios para reducir costos, reducir el tiempo de inactividad del equipo y optimizar el rendimiento de la planta.