Mantenimiento predictivo y control de calidad de las mediciones: la información oculta en los datos recogidos por los sistemas

Los sistemas de monitoreo desarrollados por CAE gestionan los metadatos relacionados con las mediciones, asociando a cada dato un parámetro que define su calidad estimada. Esta evaluación se verifica y, en su caso, se actualiza en cada etapa de la cadena: desde el sensor hasta el datalogger y los sistemas software centrales.

Es precisamente en el nivel central, con el objetivo de ofrecer servicios de alto valor añadido al cliente, donde operan soluciones software específicas como Detective. Este software es capaz de analizar en pocos segundos las enormes cantidades de datos procedentes de los sensores de todas las estaciones instaladas en campo. Gracias a esta capacidad, Detective puede señalar posibles anomalías en tiempo real y asigna un marcador de calidad específico a cada dato. Esta evaluación se pone a disposición del operador para su posterior análisis o, en caso de que el dato se utilice como entrada en un modelo de predicción, para decidir su uso en función de su fiabilidad.

Con el objetivo de evaluar la fiabilidad de los datos, entre los numerosos controles implementados por Detective se incluyen los definidos por ISPRA en las “Guías para el control de validez de los datos hidrometeorológicos”. Como resultado, decenas de algoritmos realizan controles sobre pluviómetros, termómetros de aire, hidrómetros, caudales y otras variables.

Siguiendo la filosofía de estos controles, en Detective se han implementado verificaciones similares para presión, radiación, humedad relativa, dirección y velocidad del viento. En su versión actual, Detective dispone de 110 controles diferentes sobre parámetros meteorológicos, datos de diagnóstico y el funcionamiento tanto del sistema central como de la red de campo. La estructura del programa permite añadir fácilmente nuevos controles o ampliar los existentes a otros tipos de parámetros en el futuro.

Gracias a las técnicas de Machine Learning, la identificación de posibles datos anómalos es rápida y eficaz, permitiendo a los operadores detectar fenómenos de deriva y otros fallos que de otro modo serían difíciles de identificar.

Además del control de las mediciones, CAE ha desarrollado una competencia específica en el análisis de los datos de diagnóstico procedentes de los sistemas en mantenimiento. Basándose en su experiencia, CAE ha añadido el control de numerosos parámetros adicionales para obtener una visión completa del funcionamiento de los equipos en campo. Problemas de equilibrio energético, desgaste de componentes, actos vandálicos y muchos otros pueden ser identificados.

Es aquí donde el mantenimiento predictivo cobra forma. Identificar comportamientos precursores de un fallo antes de que este se materialice, con la consiguiente pérdida de mediciones, es una ventaja que permiten las técnicas modernas, logrando además una mayor eficiencia, generalmente asociada a una adecuada planificación de las intervenciones.