Imagine que acude al médico tras un análisis en el que le detectan altos niveles de colesterol en la sangre. Además de recibir un tratamiento, es probable que el sanitario le recuerde la importancia de llevar una dieta baja en grasas trans y de realizar actividad física con frecuencia. La misma situación puede extrapolarse a un taller de coches. Si se olvida de cambiar el aceite a tiempo y en consecuencia su vehículo sufre daños en el motor, seguramente el mecánico le advierta de la necesidad de sustituir el lubricante del auto antes de que agote su vida útil. Porque, aunque esta acción pueda suponer un gasto para su bolsillo, quizá le evite futuras reparaciones.
Frente a la lógica de ‘romper y sustituir’ o de ‘prevenir para no lamentar’, sin embargo, se puede ir un paso más allá. Así como existen diferentes metodologías científicas para predecir la probabilidad de que un paciente sufra un infarto cardiaco o padezca cáncer, también es posible implantar técnicas que calculen cuándo acabará la vida útil de ciertos componentes de automóviles. «El equivalente en el caso del aceite sería que, en vez de cambiarlo una vez al año, cuando todavía le queda mucha vida remanente, tuviésemos un sensor que midiese su calidad y detectara su nivel de oxidación o degradación para saber cuándo hay que sustituirlo», detalla Antonio Marín, responsable de Fiabilidad en la Asociación de la Industria Navarra (AIN).
Por la inversión que supone, aclara Marín, el mantenimiento predictivo no es una alternativa viable en muchos procesos. Sí compensa, no obstante, en líneas de producción de grandes empresas. Y lo hace, entre otras «muchas razones», ya que «los cambios innecesarios de componentes que están en buen estado pueden provocar que, tras el montaje, la condición de la máquina empeore». Uno de los campos en los que resulta útil es en el sector de la estampación de piezas de carrocería para automóviles. Debido al enorme impacto producido al chocar contra placas, las prensas de embutición que dan forma a las carrocerías son especialmente propensas a sufrir deformidades y otros daños.
Antonio Marín (AIN): «Los cambios innecesarios de componentes que están en buen estado pueden provocar que, tras el montaje, la condición de la máquina empeore».
El responsable de Fiabilidad de AIN recurre a la Fórmula Uno para explicar la magnitud que pueden tener estas colisiones en las fábricas de automoción: «Algunos accidentes registran entre 40 y 50G (unidad que mide la fuerza de gravedad con la que un objeto es atraído al centro de la Tierra). Son golpes que hacen que los vehículos deportivos se vuelvan trizas. Para hacernos una idea, cada ocho segundos las prensas registran golpes de entre 20 y 30G».
Desde hace «más de tres décadas» se emplea el análisis de vibraciones como práctica habitual dentro del sector con el fin de diagnosticar averías en rodamientos y engranajes, desequilibrios y otros defectos en la maquinaria de prensado. ¿El problema? Que la instalación de sensores que miden vibraciones -«esas pequeñas deformaciones que va sufriendo la máquina al chocar con las piezas de carrocería»- exigía interrupciones en las plantas. «Prácticamente teníamos que paralizar la prensa para hacer mediciones, porque mientras la prensa está funcionando y dando esos golpes de miles de toneladas no se podía», rememora Marín. Y esos parones, por otra parte, suponían un coste por minuto «de cientos de euros» para las fábricas.
Marín muestra los datos registrados gracias al algoritmo diseñado por la asociación.
Fue en esa limitación, precisamente, donde AIN encontró una oportunidad de mejora. Junto a Volkswagen Navarra como socio, el centro propuso la posibilidad de desarrollar un sistema online que fuese capaz de interpretar cómo trabajan las prensas sin detener la cadena de producción. Así nació Embutcar, un proyecto coordinado por ADItech -a su vez coordinador del Sistema Navarro de I+D+i (SINAI)– y que cuenta con financiación del Gobierno de Navarra en la convocatoria de ayudas a centros tecnológicos y organismos de investigación para la realización de proyectos de I+D colaborativos (convocatoria 2020).
PRIMEROS RESULTADOS
La iniciativa comenzó en 2018 con la construcción de una planta piloto para ensayar diferentes tipos de sensores que resistieran a los golpes sufridos por las prensas de estampado, así como distintas técnicas de mitigación del impacto. Una vez conseguido esto, los investigadores centraron sus esfuerzos en perfeccionar los métodos de autodiagnóstico de Inteligencia Artificial (IA).
El algoritmo, sostiene Marín, es como un niño pequeño: «Alguien tiene que entrenarlo, indicarle si se trata de un fallo en un rodamiento de motor, en un volate o en una polea, por ejemplo». Esa labor de adiestramiento, eso sí, solo es posible si existe un registro de averías previas. «Por ello desarrollamos un algoritmo combinado, que intenta emular una lista de vibraciones y establece cómo deben ser diagnosticadas», agrega.
Quienes deseen conocer más a fondo el proyecto pueden hacerlo a través de este enlace.
Una vez implantado en la planta de Volkswagen Navarra, el sistema no tardó en rendir frutos. «Para nuestra sorpresa, se detectaron dos averías con un año de antelación». El diagnóstico anticipado permitió que la firma hiciera acopio de materiales para así sustituirlos «justo antes» de que se empezara a constatar daños en la maquinaria. «Lo importante de todo esto es que este tipo de piezas no se suelen comprar directamente a un suministrador, sino que están hechos a demanda y tienen plazos de entrega de varios meses», recalca Marín.
Sin stock disponible, por el contrario, el escenario habría sido dramático: «Se habría parado la instalación durante mucho tiempo, que es lo que tratamos de evitar. Se mantendrían prácticamente los mismos costes, pero se estaría perdiendo el valor de un coche por minuto. En el sector de prensas, podríamos estar hablando de pérdidas de varios cientos de euros por minuto durante las primeras horas». El daño, en todo caso, no haría sino incrementarse «hasta varios miles de euros por minuto con el paso de las horas», porque «los pulmones intermedios se agotarían y paralizarían los procesos que vienen detrás».
El prototipo, cuyo desarrollo finalizó en 2021, no ha agotado todavía todo su potencial. Además de continuar con su propósito en Landaben, ya está listo para una siguiente fase: su exportación a otras plantas de automoción.
