Técnicas de inteligencia artificial para llevar a cabo un diagnóstico automático del estado del rodamiento del motor. Y eso sin la necesidad de contar con el análisis de un experto. Estos son los propósitos que se marca el proyecto Sistema inteligente de detección de fallos para motores asíncronos. Sidma usará el aprendizaje automático para optimizar el mantenimiento predictivo.
Esta técnica es una actividad crítica para que las empresas que trabajan con maquinaria puedan continuar con sus planificaciones de negocio. Así lo explican desde el Instituto Tecnológico de la Energía que está desarrollando el proyecto Sidma. Lo hace dentro de un programa impulsado por el Ivace y apoyado con fondos Feder.
Prevenir fallos en la maquinaria y evitarlos es vital para que la producción no se detenga, remarcan. Y aplicar el aprendizaje automático al mantenimiento predictivo es especialmente importante en diversas industrias. ¿En cuáles se está buscando eso? En las que se dedican a la producción intensiva de bienes sometiendo los activos a tiempos muy largos de funcionamiento con su consiguiente desgaste.
El aprendizaje automático señala los procesos de mantenimiento en este escenario. Con eso se reducen los tiempos de parada de las máquinas lo que, en definitiva, ajusta costes. ¿Qué es lo que han conseguido los investigadores del ITE con Sidma? Es capaz de optimizar el mantenimiento predictivo de motores de inducción mediante técnicas avanzadas de aprendizaje automático.
El inicio
Al preparar Sidma le han definido tres objetivos específicos. El primero es automatizar el diagnóstico de fallos en rodamientos gracias a la aplicación de inteligencia artificial a esta. El segundo es integrar la herramienta en un servicio virtual de evaluación de motores asíncronos. Y el último es tipificar la degradación de los materiales aislantes existentes en máquinas eléctricas debida a las perturbaciones de alta frecuencia causadas por la electrónica de potencia.
Una de las ventajas que destacan desde el ITE a propósito de las ventajas de Sidma es su vocación por la sostenibilidad. ¿Por qué? Al usar el mantenimiento predictivo se consigue alargar la vida útil de los motores y sus componentes. De esta manera se podría, teóricamente, reducir la construcción de nuevas máquinas, lo que limita los residuos generados.
El camino
¿En qué se diferencia Sidma respecto a otros avances en mantenimiento predictivo? El equipo que lo ha desarrollado tiene claro que este punto se basa en el análisis de corrientes para el diagnóstico de rodamientos. Con ello lo que consiguen es realizar las mediciones sin alterar el funcionamiento normal del motor. Es decir, lo han programado para que sea una técnica no invasiva y eso no es habitual.
En segundo lugar, incorpora la inteligencia artificial al diagnóstico. Y con eso ya se distancian respecto a otras propuestas que se manejan en la industria. Ahora en lo que están trabajando es en la comprobación del buen funcionamiento de la integración en una aplicación web que permita su uso intuitivo de manera remota.
Las metas
Los avances de esta tecnología disruptiva tienen un amplísimo campo de aplicación, prácticamente cualquier usuario o empresa que disponga de motores asíncronos puede verse beneficiado. Además, si tenemos en cuenta que estas máquinas son unas de las más utilizadas en la industria en el rango de baja potencia, las aplicaciones son enormes. Hasta el momento, dentro del proyecto Sidma se ha colaborado con algunas comunidades de regantes y otras dedicadas al mantenimiento predictivo.
Esta investigación es una evolución de un proyecto anterior: Dimer, Diagnóstico de Máquinas Eléctricas Rotativas, también financiado por Ivace, conocido como En él se desarrolló una herramienta basada en el análisis de corrientes que permitía conocer el estado del motor con la interpretación de un experto. Ahora, el equipo investigador de ITE ha ido un paso más allá. Así, emplea técnicas de inteligencia artificial para que el diagnóstico sea autónomo.
