Calmly, el Spin Off del Programa de Innovación en Manufactura Avanzada que soluciona los problemas relacionados a las predicciones del estado de salud de maquinarias y su mantenimiento, aumentando la productividad y la eficiencia de los procesos.

• ¿Cuál es el problema o necesidad que se resuelve con esta innovación? ¿La propuesta de valor?

CALMLY aprovecha la capacidad instalada de sensores que cada vez más pueblan las industrias, datos que con los métodos tradicionales de análisis somos incapaces de digerir en grandes volúmenes y que llegan a cada instante, generando lo que se conoce como infoxicación.

Nuestra propuesta es desarrollar un ordenamiento de los datos, con lo cual la data organizada y estructurada se convierte en un activo para el cliente, entrenar un modelo de Inteligencia Artificial (IA) que aprende de la historia, que está en esa data, para diagnosticar fallas de máquinas como también optimizar procesos y una vez entrenado y validado el modelo, lo ponemos en modo on-line, diagnosticando el estado del activo minuto a minuto, día y noche los 365 días del año 

Destaca Jorge Marín, director de monitoreo de condiciones de Calmly, empresa experta en el desarrollo de modelos predictivos con Inteligencia Artificial (IA) para las diferentes industrias.

La iniciativa nace del Programa de Innovación en Manufactura Avanzada (IMA+), proyecto financiado por Corfo, y permite que las empresas implementen un diagnóstico automatizado del estado de salud de los equipos, que resulta en un aumento en la vida útil de éstos, mayores niveles de seguridad, menores costos de ciclo de vida y una reducción de las emergencias asociadas a fallas imprevistas, y que además entrega gobernanza a los tomadores de decisión, ya que pueden planificar la operación de la maquinaria, transformándose en un servicio de apoyo al diseño de planes, programas y acciones de mantenimiento a los tomadores de decisión.

En la actualidad, la mayoría de los equipos y sistemas están siendo monitoreados en línea, generando enormes volúmenes de datos (Big Data). Esto abre una gran oportunidad para desarrollar técnicas de mantenimiento predictivo basados en el Internet de las cosas (IoT) y Aprendizaje de Máquinas. Según un nuevo informe de investigación de mercado^[1], la industria mundial de mantenimiento predictivo se valoró en 3.550 billones de dólares en 2019 y se prevé que alcance los 10.84 billones de dólares en 2027. Los principales desafíos se relacionan con la incapacidad de manejar volúmenes crecientes de datos disponibles, procesarlos, obtener información valiosa y luego rediseñar los procesos de mantenimiento en función de esta información.

Los sistemas de monitoreo de condición de equipos industriales basados en Inteligencia Artificial (IA) pueden ser aplicados a cualquier equipo que sea crítico para operaciones relacionadas con producción de bienes o servicios, defensa, ciencia u otros. Entre las aplicaciones relevantes para el ambiente nacional se encuentran las maquinarias de transporte de carga o personas, militares y civiles, navales, aéreos o terrestres; maquinaria minera como chancadores, molinos SAG y correas transportadoras; sistemas de generación de energía como turbinas hidráulicas o eólicas; y equipos críticos en la industria papelera, de manufactura y metalmecánica, entre otras.

En este sentido la directora de la iniciativa, Dra. Viviana Meruane, indica la importancia de invertir en tecnologías que permitan modernizar el quehacer industrial chileno y sus ventajas. “Las necesidades de mejorar las estrategias de mantenimiento están asociadas a reducir los costos, aumentar la disponibilidad de los activos, reducir los riesgos de seguridad, salud, medio ambiente y calidad, y prolongar la vida útil de un activo”, agregando que: “Los principales actores involucrados son: gerentes, superintendentes de operaciones, supervisores y operadores de mantenimiento, todos quienes se ven beneficiados al aumentar la disponibilidad de los equipos, lo que permite cumplir con las metas de producción; optimizar la planificación de los sistemas y mejorar los KPI, del inglés Key Performance Indicator, asociados a disponibilidad, confiabilidad, y costos, entre otros”.

La tecnología ya está siendo implementada en empresas, destacándose Minera Escondida y La Armada de Chile, entre otras.

La solución ofrecida por CALMLY utiliza tres plataformas informáticas:

PredictiveBuilder: La aplicación consta de cuatro módulos fundamentales que permiten llevar a cabo el proceso completo de construcción y evaluación de un modelo de identificación de fallas en equipos industriales. Este proceso se basa en modelos de aprendizaje de máquinas que pueden ser actualizados y reemplazados fácilmente en cualquier momento desde la misma aplicación.

Es importante hacer notar que los algoritmos disponibles en cada módulo han sido desarrollados para el problema específico de identificación de fallas en equipos industriales, los que han sido validados con datos de equipos reales. Esto ha sido el resultado de 3 años de investigación y desarrollo por parte del equipo asociado al Programa de Innovación en Manufactura Avanzada (IMA). La aplicación permite utilizar modelos pre-existentes desarrollados por el equipo de IMA+ o la construcción de nuevos modelos.

gIA: Un factor crítico en el monitoreo de condición en base a Inteligencia Artificial (IA) es la calidad de la información. En consecuencia, es de vital importancia contar con una plataforma que mantenga de forma ordenada y accesible la información necesaria para desarrollar y evaluar los algoritmos de monitoreo de condición. gIA (Gobernanza para la Inteligencia Artificial) es una plataforma que permite conectarse a los sistemas de adquisición de datos de los equipos y a los sistemas ERP de las empresas (como SAP) para respaldar y ordenar la información de monitoreo y de registro de fallas de equipos de una empresa divididos por áreas, sub-área y tipo de equipos. Permite además registrar información de monitoreo manual de equipos (inspecciones con termografías, análisis de aceites, ultrasonido y otros), recibir las predicciones de estado de salud obtenidas con algoritmos de inteligencia artificial y la interacción con analistas especialistas en mantenimiento predictivo. A partir de esta información se pueden determinar distintos indicadores clave (KPI) asociados al mantenimiento y al estado de salud de los equipos y emitir informes de forma automatizada. Todo esto resulta en información útil y atingente para la planificación del mantenimiento de los equipos.

PredictiveLab: Es una aplicación que entrega de forma visual y amigable las predicciones del estado de salud de los equipos monitoreados. Utiliza la información de monitoreo proveniente de gIA y los algoritmos de aprendizaje de máquinas desarrollados en PredictiveBuilder. Los usuarios pueden ver el monitoreo por área, subáreas y equipos o acceder directamente a la información de monitoreo de un equipo en particular escaneando un código QR. Se pueden visualizar indicadores asociados al estado de salud de los equipos, alarmas emitidas por los algoritmos de monitoreo en base a inteligencia artificial y también en base a umbrales asociados a cada variable monitoreada. Los usuarios pueden ver en detalle las mediciones de un equipo y validar o descartar las alarmas del sistema de monitoreo. En caso de validar una alarma, se pueden incorporar órdenes de trabajo asociadas a tareas de mantenimiento. Toda la información generada en PredictiveLab (índices del estado de salud, alarmas y ordenes de trabajos) se transfieren a gIA donde se mantiene un respaldo de toda la información de una planta.

^[1] «Global predictive maintenance market research report». Market Research Future, 2021.