Noticias
Actualmente estamos viviendo la cuarta revolución industrial –con un pie ya en la quinta–, misma que ha llevado a la digitalización de plantas industriales para buscar la monitorización de procesos así como el mantenimiento preventivo; no obstante, lo correcto debería ser implementar mantenimiento predictivo, así lo explicó David Comellas, CEO de AEInnova (Alternative Energy Innovations) en la ponencia “Industria 4.0: Logística y Mantenimiento industrial”, realizada por FIRA Barcelona.
De acuerdo con el experto, los retos a los que se enfrentan las empresas son muy grandes ya que han optado por implementar el mantenimiento reactivo, es decir, sustituir alguna pieza que se ha roto. Pero, tanto este tipo de manutención como el preventivo resultan altamente costosos, por lo que las empresas deberían tener un ojo puesto en el mantenimiento predictivo, debido a que permite estimar las necesidades de mantenimiento de los sistemas y reducir los costos planificándolo y ajustándolo dependiendo de la vida útil de las máquinas; esto, mediante la recopilación de datos y uso de sistemas que permitan el análisis de los mismos para la optimización de procesos.
En este sentido, la recopilación puede realizarse a través de sistemas tradicionales (cableados), que requieren una gran inversión y espacio para su funcionamiento, además de que son altamente complejos en cuanto a técnica; o implementando el Internet de las Cosas (IoT), con sensores de redes inalámbricas de rápida instalación, que permiten ahorrar costos, y son de fácil mantenimiento y gran flexibilidad.
No obstante, pese a sus numerosas ventajas, la alimentación de estos últimos se da mediante baterías de litio, las cuales necesitan ser sustituidas cada cierto tiempo, son costosas y poco sostenibles, desde el punto de vista de la protección al medio ambiente.
De acuerdo con Comellas, AEInnova propone aprovechar la energía calorífica sobrante de los procesos mediante tecnología termoeléctrica, capaz de convertir el calor sobrante en energía eléctrica; un método que se utiliza desde el Siglo XIX.
Dicho sistema ofrece diversas ventajas, y en la firma han implementado dos vertientes:
• WHRU. Waste Heat Recovery Unit o Unidades recuperadores de calor residual: Son unidades que se acoplan a cualquier fuente de calor y generan electricidad para usarla directamente, o incluso inyectarla en la red, como un sistema de cogeneración.
• INDUEYE. Battery-less sensor o Sistema sensórico sin baterías: Se autoalimenta del calor residual, sin importar la fuente de la que provenga, y envía los datos mediante protocolos de largo alcance (que no necesitan infraestructura local) al software basado en la nube para posteriormente trabajar con ellos.
Además, la empresa cuenta con el software DAEVIS, basado en la nube, que permite la visualización de los datos de sensores, reportes dinámicos, customización de alarmas y algoritmos de mantenimiento predictivo para reducir los costos en las plantas industriales.
Todas estas herramientas son ideales para el mantenimiento predictivo, para detectar posibles averías y predecir fallos futuros en procesos de monitorización de bombas y compresores, motores en general, grúas, chimeneas y filtros, o detección de fugas en las trampas de vapor, que suponen pérdidas económicas muy elevadas para las compañías.
Otras noticias de interés
Presentan control inteligente para moldeo
La empresa technotrans difundió un comunicado en el que anuncia el lanzamiento
La optimización del control es pilar de la manufactura inteligente
La adopción de sistemas digitales en los procesos de inspección permite modificar
Cómo se ven 80 años de evolución industrial
Schneider Electric conmemora 80 años de operación en México en un momento
Anuncian récord histórico de Inversión Extranjero
La Secretaría de Economía informó que México alcanzó casi 41 mil millones
Impulsan alianzas para tecnología médica
La participación del Gobierno de Chihuahua en MEDICA 2025, en Düsseldorf, representa
Presentan postura técnica de Jalisco ante T-MEC
El Gobierno de Jalisco finalizó un análisis técnico para la próxima revisión


