BMW Group en Ratisbona emplea un sistema basado en IA para monitorear la tecnología del transportador durante el montaje
Prevenir paradas no planificadas antes de que se produzcan es el objetivo del sistema de análisis inteligente que se utiliza en el montaje en la planta de BMW Group en Ratisbona. El mantenimiento predictivo es proactivo y preventivo, y eso es precisamente lo que ofrece el sistema de monitorización inteligente. Los análisis basados en datos de los equipos de transporte permiten identificar tempranamente y evitar posibles fallos, manteniendo así un flujo de producción de vehículos óptimo. El sistema, respaldado por inteligencia artificial (IA), evita una media de unos 500 minutos de interrupción al año sólo en el montaje de vehículos en la planta de Ratisbona.
Análisis de datos para una respuesta preventiva más rápida a posibles interrupciones
Para el montaje en la planta de BMW Group en Ratisbona, los vehículos se fijan generalmente a soportes de carga móviles o sistemas de deslizamiento, que pasan en cadena por las naves de producción. Cualquier fallo técnico en los sistemas de transporte más modernos puede paralizar las líneas de montaje, lo que requiere más esfuerzo de mantenimiento y, por tanto, mayores costes. Para evitar que esto suceda, el equipo de innovación de la planta de BMW Group en Regensburg ha desarrollado un sistema que puede identificar posibles defectos técnicos de manera temprana y así evitar pérdidas de producción. Los elementos transportadores afectados pueden retirarse de la línea de montaje y repararse fuera de producción. La ventaja es que el sistema de monitorización no requiere sensores ni hardware adicionales, sino que evalúa los datos existentes de los componentes instalados y del control de los elementos transportadores. Suena una alarma si se encuentran anomalías.
Por ejemplo, los soportes de carga utilizados para transportar vehículos durante el proceso de montaje envían diversos datos al sistema de control del soporte. Luego, estos datos se transmiten a través del transportista y el sistema de control de la planta a la plataforma en la nube de mantenimiento predictivo propia del Grupo BMW. Aquí comienza el análisis: el algoritmo busca constantemente irregularidades, como fluctuaciones en el consumo de energía, anomalías en los movimientos de la cinta transportadora o códigos de barras que no son lo suficientemente legibles, que podrían provocar un mal funcionamiento. Si se encuentran anomalías, el centro de control de mantenimiento recibe un mensaje de aviso, que asigna al técnico de mantenimiento de turno. "Los monitores de vigilancia de nuestro centro de control funcionan las 24 horas del día, los 7 días de la semana", explica el director del proyecto Oliver Mrasek. "Esto nos permite responder rápidamente a cualquier tipo de informe de avería y sacar del ciclo al vehículo afectado".
Implementación: respaldada por IA, estandarizada y rentable
El mantenimiento predictivo no es una solución independiente, subraya Mrasek. El sistema se estandarizó en colaboración con la gestión central del taller de BMW Group y otras plantas para facilitar una implementación rápida y sencilla en otras plantas de BMW Group en todo el mundo. Este enfoque también es rentable. "No necesitamos sensores adicionales, por lo que los únicos costes son el almacenamiento y la potencia informática".
También se implementaron en el sistema modelos de aprendizaje automático desarrollados internamente, que utilizan los llamados mapas de calor con varios códigos de color para diferentes anomalías para visualizar los hallazgos del modelo. "Esto nos permite mapear diferentes patrones de fallos en distintos componentes y responder a ellos de forma específica", explica Mrasek.
Sobre la base de estos hallazgos prácticos, los algoritmos se mejoran y perfeccionan continuamente. Actualmente, el equipo está en el proceso de conectar instalaciones adicionales, optimizar el sistema e integrar las acciones recomendadas en los mensajes de error. El mensaje de error podría, por ejemplo, indicar problemas similares que se han producido en un sistema. Esto simplifica la resolución de problemas para los técnicos de mantenimiento, por ejemplo, si un impulsor del carro transportador está defectuoso. "Un mantenimiento predictivo óptimo no sólo nos ahorra dinero, sino que también significa que podemos entregar la cantidad planificada de vehículos a tiempo, lo que ahorra una enorme cantidad de estrés en la producción", explica Deniz Ince, científico de datos del equipo.
El próximo objetivo: previsibilidad y dos patentes.
Mrasek y sus colegas han estado trabajando en el monitoreo basado en datos de la tecnología de transporte durante los últimos seis años. Hoy en día, alrededor del 80 por ciento de las principales líneas de montaje ya se controlan de esta manera. "Por supuesto, no podemos detectar ni prevenir todos los fallos de antemano, pero actualmente evitamos al menos 500 minutos de tiempo de inactividad al año sólo en el montaje de vehículos", explica. Es fácil calcular cuánto suma esto. En la planta de BMW Group en Ratisbona, un vehículo sale de la línea de montaje aproximadamente cada minuto (cada 57 segundos, para ser exactos) y el sistema ya se utiliza en sistemas de transporte en las plantas de Dingolfing, Leipzig y Berlín.
El objetivo es aprovechar aún más las posibilidades de la inteligencia artificial, con el sistema aprendiendo a estimar cuánto tiempo queda entre la detección del fallo y la posible parada. Esto ayudaría a los técnicos a decidir cuándo deben realizar el mantenimiento y les permitiría establecer prioridades, si fuera necesario. Mrasek también ve un mayor potencial en otras áreas de la planta: "Actualmente estamos probando si podemos utilizar el sistema también en los equipos que utilizamos para llenar nuestros vehículos, por ejemplo, con líquido de frenos y refrigerante".
Aunque ya existen numerosas opciones para el mantenimiento predictivo de equipos, el sistema de aprendizaje integrado de Regensburg es hasta ahora el primero de su tipo. Por ello, la compatibilidad con el mantenimiento predictivo ya se incluye en las licitaciones para nuevas tecnologías de transporte. Los fabricantes de equipos también elogian el sistema, ya que también se benefician de sus evaluaciones. El Grupo BMW ya ha registrado dos patentes para su desarrollo interno.
Compartiendo este artículo usted puede ayudar a difundir valor a otros que están buscando este tipo de información. Si valora el trabajo que hacemos en Valenciacars para usted y le resulta útil, le queremos pedir un gran favor: por favor comparta el artículo en WhatsApp, en Facebook , en Twitter y sus demás redes