Asesoría técnica para el análisis de riesgos

En la actualidad, las plantas industriales enfrentan un desafío crítico en el mantenimiento en planta con miles de activos, donde los fallos inesperados generan altos costos, tiempos de inactividad y pérdida de productividad. Las empresas suelen enfrentar dificultades para identificar objetivamente qué equipos tienen mayor riesgo de falla y cuándo realizar mantenimientos preventivos.
En este contexto, investigadores de la Universidad de Las Palmas de Gran Canaria (ULPGC) han desarrollado un servicio de asesoría técnica para el análisis de riesgos en plantas industriales que combina métodos avanzados de gestión de mantenimiento e inteligencia artificial para optimizar la operatividad y reducir costos. Este enfoque tiene como objetivo identificar y priorizar los activos con mayor probabilidad de fallar, utilizando técnicas de segmentación y análisis basadas en datos históricos de mantenimiento.

Inicialmente, el proceso comienza con la recopilación y organización de información técnica de la planta, creando diagramas RBD (Diagramas de Fiabilidad Basada en Bloques) y zonificación para establecer las bases del análisis. Luego, se realiza un análisis estadístico de los datos de mantenimiento, identificando los activos más críticos mediante modelos como AMFE (Análisis Modal de Fallos y Efectos) y MCR (Análisis de Matrices de Criticidad). La tecnología utiliza también un enfoque jerárquico analítico (AHP) para objetivizar la experiencia previa priorizando las decisiones de mantenimiento en función de parámetros clave como severidad, detectabilidad y frecuencia de fallos.

En su segunda fase, la tecnología implementa modelos de inteligencia artificial, como redes neuronales, entrenadas con los históricos de mantenimiento para predecir fallos futuros y determinar cuándo realizar mantenimientos preventivos. Esto permite maximizar la disponibilidad de la planta al reducir el mantenimiento correctivo y los tiempos de inactividad.

• Identifica y clasifica de manera precisa los activos con mayor riesgo de falla, basándose en datos y análisis técnicos, lo que reduce la dependencia de decisiones subjetivas.
• Ayuda a enfocar esfuerzos y presupuestos en los equipos más críticos, mejorando la eficiencia del mantenimiento y reduciendo costos.
• Implementa estrategias de mantenimiento predictivo basadas en datos históricos y modelos funcionales, disminuyendo tiempos de inactividad y aumentando la disponibilidad operativa.
• Es adaptable a diferentes industrias y tipos de instalaciones, lo que amplía su alcance y utilidad.
• Ofrece herramientas para ajustar y validar resultados en conjunto con los técnicos de planta, integrando experiencia y análisis objetivos.

De aplicación en entornos industriales con equipamientos complejos y diversidad de elementos que puedan ser posiblemente críticos.

El sistema presenta una serie de innovaciones en cuanto a la simplicidad en su implementación, sobre sistemas que requieren la inclusión de gran cantidad de parámetros de todos los equipos presentes en la instalación.

Ricardo Aguasca Colomo, g rupo de investigación SIANI: Computación Evolutiva y Aplicaciones, IU Sistemas Inteligentes y Aplicaciones Numéricas.

Además de transferir el servicio, los investigadores buscan compartir su know-how y amplia experiencia con los potenciales usuarios del servicio, por lo que ofrecen formaciones personalizadas y recomendaciones sobre la correcta ejecución del análisis de riesgos.

El asesoramiento técnico se ha llevado a cabo con éxito en una planta de desalación de aguas en Las Palmas de Gran Canaria con una capacidad de producción de 80.000 metros cúbicos/día y más de 10.000 activos.