Los impactos de la Inteligencia Artificial en el Mantenimiento Técnico

Si retrocedemos unos años en el tiempo, es seguro decir que la expresión Inteligencia Artificial, o IA como se la suele llamar, era para la mayoría de las personas algo alejado de su vida cotidiana y nos devolvía a algunos de los aspectos científicos más emblemáticos. películas o libros de ficción. Sin embargo, el panorama actual es completamente diferente. La importancia en los medios, la cantidad de soluciones y herramientas con recursos de IA, con las que nos inundan a diario, y las potencialidades adyacentes garantizan nuestra atención.

Si bien el concepto surgió hace varias décadas (John McCarthy, 1956), fue recién en los últimos años que se dieron las condiciones tecnológicas necesarias para hacer posible su uso masivo. En primer lugar, el desarrollo de Internet y las comunicaciones de alta velocidad, los avances computacionales, la aparición de los teléfonos inteligentes, la creciente oferta de computación en la nube, que permite un acceso generalizado a supercomputadoras a un costo asequible, el desarrollo de software de programación y algoritmos propios aplicados a la IA. y, no menos relevante, la disponibilidad y acceso a grandes volúmenes de datos lo han permitido, a través de la digitalización.

Estamos en la era del big data y la cantidad de información que se genera diariamente es extraordinaria (≈ 328,77 Millones de Terabytes/día). Sin embargo, lo cierto es que no todos los datos son interesantes ni de buena calidad. Es necesario tratar, estandarizar, catalogar, crear estructuras organizativas propias, depurar errores y prepararlos para su “consumo”.

Dejando a un lado la capacidad tecnológica, los datos son donde reside la materia prima para el correcto funcionamiento de los algoritmos de IA. Por muy bueno y eficiente que sea el algoritmo, si la muestra de datos es de baja calidad, imprecisa o limitada, los resultados producidos perpetuarán estas deficiencias, e incluso podrán desacreditar lo que sería un proyecto interesante para desarrollar con recursos de IA. Si pensamos en el ámbito del Mantenimiento Técnico, podemos dividir los datos de la base de servicios del activo en dos grandes grupos: los que provienen de los sistemas de monitorización, ya sea vía GTC – Gestión Técnica Centralizada, equipos IoT – Internet de las Cosas, o directamente desde el activo. controladores, y aquellos que tienen su origen en la acción humana, que describen intervenciones históricas sobre los activos y que generalmente quedan registrados en software de gestión de mantenimiento o, más recientemente, en modelos BIM – Building Information Modeling.

Cada grupo de datos tiene sus propias particularidades para que puedan utilizarse cómodamente en modelos de IA. La monitorización, por ejemplo, permite acceder a un gran volumen de datos, pero generalmente lo que nos interesa en el análisis son las anomalías o tendencias que provocaron anomalías en los activos. Situación que puede depender de una variable particular o de la combinación de varias variables, directa o indirectamente relacionadas con los activos (ejemplo: carga en servicio, número de horas de trabajo o incluso condiciones ambientales de operación). En ciertos casos, la tasa de estos sucesos puede ser tan baja que no se puedan obtener datos útiles dentro de un plazo aceptable. Y, si bien es posible ampliar la muestra, evaluando simultáneamente activos iguales o equivalentes, es necesario asegurar que este análisis, en cuanto a variables operativas (directas e indirectas), se realice en las mismas condiciones, lo que puede aumentar la complejidad. de los modelos y extrapolaciones necesarias.

En cuanto a las intervenciones históricas sobre bienes, los datos dependen en gran medida del componente humano y por muy maduros y rigurosos que sean los equipos técnicos que los monitorean y registran, el factor de individualidad e interpretación de cada persona siempre condicionará la uniformidad de los registros. Existen, por tanto, grandes desafíos en la gestión de datos, para que la IA pueda contribuir de forma generalizada y positiva a mejorar los procesos del sector, tanto en el componente de gestión estratégica como en el de soporte a las operaciones. Aun así, poco a poco hemos ido asistiendo a un número creciente de empresas y entidades del sistema científico y tecnológico lanzando productos comerciales y piloto, que ahora permiten aprovechar el potencial de la IA en el área del Mantenimiento Técnico.

Uno de los temas más apremiantes hoy en día es el desarrollo de modelos dinámicos de mantenimiento predictivo, que tengan en cuenta las condiciones de operación respaldadas por sistemas de monitorización y el historial de intervenciones, reduciendo el tiempo dedicado a cada activo a lo estrictamente necesario, en un balance. . entre costos, eficiencia y vida útil. Otro campo de aplicación es el funcionamiento autónomo de sistemas centralizados de monitorización y gestión técnica, donde la gestión de alarmas, el control de equipos, la regulación de setpoints y horarios ahora se llevan a cabo de forma autónoma y dinámica mediante algoritmos de IA, basados ​​en el uso del espacio, las preferencias del usuario, el entorno. condiciones, eficiencia energética, entre otras variables (Edificios Vivos).

Los próximos pasos pasarán por el desarrollo de asistentes virtuales personalizados, que permitan incrementar el desempeño de cada empleado, ampliando sus capacidades de análisis, percepción, ejecución y decisión, independientemente de los roles que deban desempeñar en la organización. Un caso práctico lo podemos ver en las aplicaciones de realidad aumentada, que pueden integrar asistentes virtuales para apoyar la resolución de fallas técnicas. Esta y otras herramientas similares mitigarán el efecto de la reducción de personas cualificadas en el mercado laboral, ya que permitirán una inclusión más rápida de nuevos empleados con menor experiencia.

A medio plazo, todavía hay un margen importante para la evolución de la IA, con la maduración de las aplicaciones, así como de las bases de datos que sirven de base a la tecnología.
Avanzamos hacia herramientas de IA cada vez más preparadas para hacerse con el control de esqueletos mecánicos, que la robótica ha ido perfeccionando a lo largo de los años, aumentando así su esfera de influencia en el campo.