El futuro del mantenimiento predictivo

La estrategia de Durst de utilizar la inteligencia artificial para solucionar los problemas de la impresora antes de que surjan debería eliminar el tiempo de inactividad de la producción y abrir el camino a la "fábrica inteligente" del futuro.

La estrategia de mantenimiento predictivo anunciada recientemente por Durst, junto con el proyecto PREMISE financiado con fondos europeos, utilizará inteligencia artificial y algoritmos de aprendizaje informático para hacer que las predicciones y las intervenciones sean más eficientes. Hablamos con Christian Casazza, Director de Servicio de Durst Group, y Michael Deflorian, Gerente de Soluciones y Software de la Unidad de Negocios, sobre lo que esto significa para el futuro de la impresión.

¿Cómo ofrece el mantenimiento predictivo una ventaja competitiva importante?

CC: Realmente nunca consideramos una ventaja competitiva seria sobre nuestros competidores, nos enfocamos en nuestros clientes y sus necesidades. Estamos tratando de mejorar la productividad de nuestros clientes aumentando el tiempo de actividad, por un lado, y por otro lado, estamos tratando de reducir el costo de propiedad para nuestros clientes. Por lo tanto, nuestro objetivo es crear una ventaja competitiva para nuestros clientes.

Una parte de la estrategia de servicio de Durst es tratar de eliminar los servicios no planificados a partir de 2025. Y aquí estoy realmente agradecido con Michael, que ha estado trabajando en el proyecto PREMISE financiado por la UE y ha logrado ponerlo en marcha.

El mantenimiento predictivo, más que reactivo, es el camino a seguir, según Durst

MD: En el caso del mantenimiento predictivo, mi departamento es el proveedor de los conjuntos de herramientas necesarios para nuestros departamentos de servicio. También suministramos las herramientas de análisis que recopilan los datos de las máquinas Durst: datos de productividad, datos de sensores y las señales que se ejecutan en los canales de comunicación entre los componentes dentro de nuestras máquinas.

Hemos tomado todos esos datos y los hemos analizado con la Universidad Libre de Bozen-Bolzano (unibz) de dos maneras. La primera es que nuestros expertos tienen un conocimiento profundo de la máquina y conocen ciertas causas fundamentales de diferentes fallas. Con este conocimiento, podemos utilizar los datos para predecir una avería. La segunda cosa importante es analizar todo el conjunto de datos, un enfoque clásico de big data, y encontrar nuevos patrones o alguna correlación con las causas fundamentales que desconocemos. Esa es una parte importante de este proyecto.

¿Con cuánta anticipación se pueden predecir los problemas y organizar el mantenimiento?

CC: Esa es una pregunta difícil de responder. Un sistema de impresión consta de varios miles de piezas diferentes, incluidos los consumibles. Si conoce el ciclo de vida, entonces es más fácil planificar y abordar cualquier problema con un mantenimiento regular.

Como ejemplo, veamos una lámpara UV. Con una lámpara UV que sabemos, dependiendo del tipo de lámpara, tenemos alrededor de 1,000 horas de funcionamiento antes de que sea necesario reemplazarla. Ahora utilizamos nuestros análisis, junto con nuestro conocimiento de las horas de funcionamiento y algunos valores de los sensores, para incorporar tolerancias. Decimos que si usamos la lámpara UV hasta 800 horas de funcionamiento, entonces tenemos un buen rendimiento y el indicador visual muestra una barra verde. De 800 a 1.000 horas de funcionamiento tenemos condiciones de funcionamiento medias donde decimos, en esas 200 horas tenemos que pensar en cambiar la lámpara UV. Entonces sabemos que todavía puede funcionar más de 1.000 horas de funcionamiento, pero el riesgo de avería es bastante alto.

Christian Casazza

Así es como funciona el sistema. Establecemos cada parámetro y cada valor de sensor que rastreamos bajo tolerancias, y tratamos de anticiparnos a tiempo. Con los consumibles, donde conocemos el ciclo de vida, eso es fácil, pero también tenemos fallas irregulares y eso es más difícil. El objetivo del proyecto PREMISE es descubrir cómo podemos detectar eso antes de que suceda.

Si usamos el ejemplo de un filtro de tinta, miramos la capacidad de la bomba de circulación. Con Durst Analytics podemos rastrear esto y podemos resolver diferentes condiciones midiendo la potencia a través de la bomba de circulación. Si hay un aumento continuo, una vez que se alcanza la tolerancia, entonces debemos reemplazar el filtro. Por otro lado, si hubiera algún problema con la tinta, entonces tendríamos un filtro obstruido inmediatamente. Estas situaciones pueden ser más difíciles de entender primero, pero a través de Durst Analytics podemos saber que algo va mal y podemos reaccionar de inmediato.

Por lo tanto, los datos que está utilizando para informar al sistema predictivo se basan en datos anteriores y lo que se le proporciona a través de Durst Analytics. ¿Hay espacio o potencial para que la IA llene los vacíos donde no tienes los datos?

MD: Esa es exactamente la motivación para el proyecto PREMISE con unibz. Queríamos aplicar algoritmos de IA de vanguardia junto con algoritmos de aprendizaje automático a los datos que recopilamos.

Hay varias formas de enseñar los algoritmos. Una es aportar toda la experiencia de nuestros expertos internos para validar los datos de las causas fundamentales y los efectos que ya conocemos. Luego, puede enseñarle al sistema a desconectarse si el consumo de energía de la bomba está aumentando, una fuerte indicación de que el filtro está obstruido porque necesita más energía en la bomba para hacer circular la tinta. Ese es un ejemplo simple de cómo se puede enseñar inteligencia a partir de algoritmos.

Otra forma es utilizar los algoritmos para revisar una gran masa de datos y encontrar patrones desconocidos que hayan dado lugar a errores. Luego, cuando el sistema identifica estos patrones en una máquina, puede darle al operador un mensaje para esperar un problema en el futuro cercano.

Individualmente, todos estos pasos parecen obvios y tienen sentido, pero la verdadera belleza parece estar en el poder de unirlos.

MD: Absolutamente, eso es lo importante. No solo lo vemos como avances tecnológicos individuales, es una estrategia completa en la que todos estos componentes se unen.

¿Cómo encaja el mantenimiento predictivo de Durst en la idea de la 'fábrica inteligente' del futuro?

MD: Ésta es una parte realmente importante de la estrategia. Queremos tener infraestructuras en red, sistemas de producción inteligentes y software intuitivo para permitir procesos comerciales automatizados; todo eso es parte de nuestro nuevo alcance de herramientas, desde el píxel hasta la salida. Por supuesto, la automatización es un aspecto importante, pero otro es la estabilidad: desea tener un proceso automatizado estable. El objetivo principal de PREMISE es llevar la robustez de nuestros sistemas a un nivel aún mayor para que no tengamos averías imprevistas, por lo que el cliente tiene un motor de producción altamente confiable dentro del proceso automatizado.

Michael Deflorian

El servicio no planificado es parte de la estrategia de Durst "From Pixel to Output" para 2025 y más allá. El elemento central es nuestra transformación de fabricante de impresoras, por el que Durst es conocido, a proveedor de soluciones para impresión digital. “From Pixel to Output” es definir un alcance, desde la creación de contenido hasta el producto.

Esto también incluye una extensión de nuestra cartera de productos. Solía ser impresoras y tintas, pero ahora es un ecosistema completo de impresoras, tintas, software, consultoría y servicios de capacitación. Básicamente, se trata de garantizar que los clientes tengan todo lo que necesitan al alcance de la mano para tener éxito no solo en la impresión, sino también en términos de toda la transformación digital.

Vitales para esta estrategia y para alcanzar este objetivo son las máquinas de alto rendimiento con un alto tiempo de actividad y sin sorpresas de producción y averías repentinas que afecten la productividad de todo el sistema. Este mantenimiento predictivo o una estrategia de servicio no planificado es, por lo tanto, el núcleo de la estrategia general de Durst.

FESPA: ¿Está considerando la realidad aumentada (AR) para permitir a los usuarios cambiar partes en el futuro? Por ejemplo, en lugar de enviar ingenieros, los clientes pueden cambiar sus propias piezas con la orientación de AR.

CC: Comenzamos en 2015 con proyectos de RA y probamos varias tecnologías, el primer paso de las cuales involucró a nuestros ingenieros de servicio. Somos una empresa global y para mantener las habilidades de nuestros ingenieros en un cierto nivel, pensamos que sería bueno brindarles soporte de AR. De esta manera, sabemos que están trabajando con los mismos estándares en Asia que en Europa, y especialmente para los nuevos ingenieros. Hicimos varias pruebas, y algunas fueron buenas mientras que en otras ocasiones tuvimos algunos problemas con la pantalla de video.

Todas las máquinas Durst, como la P5 anterior, salen de fábrica con la funcionalidad de análisis ya incluida

Todavía estamos trabajando en esto. Pero lo que descubrimos fue que en este momento no funciona, especialmente para nuestros clientes finales. Nuestra experiencia nos ha demostrado que tendremos más aceptación por parte de nuestros clientes si capacitamos adecuadamente a nuestros operadores para que se ayuden a sí mismos a cambiar las piezas, en lugar de ofrecer AR. Lo bueno es que a través de esta formación, los operarios conocen mejor el mantenimiento diario de la máquina y lo importante que es, por lo que la fiabilidad aumenta. Solo con las instrucciones de RA, no tiene el mismo efecto.

Sin embargo, estamos lejos de renunciar a la RA. Estamos constantemente buscando las últimas tecnologías de AR, simplemente no es adecuado para el momento actual. Dicho esto, hemos visto en los últimos 12 o 14 meses con restricciones de viaje globales que esto es una necesidad absoluta para el futuro. También es parte de la estrategia de servicio de Durst que dice que nuestras máquinas deben diseñarse para servicio o autoservicio.

FESPA: ¿Qué importancia tiene ser proactivamente innovador en el sector de la impresión?

CC: Contamos con nuestro departamento de capacitación tecnológica, y están constantemente buscando las últimas tecnologías del mercado. Otra cosa importante para nosotros es encontrar el equipo adecuado para ayudar realmente a nuestros clientes.

Por ejemplo, hemos estado probando con Microsoft HoloLens, que son gafas inteligentes combinadas con aplicaciones. Sí, están bien para usar al reemplazar una pieza electrónica, pero si desea realizar ajustes en los cabezales de impresión, por ejemplo, los anteojos no ayudan. Tan pronto como comenzamos a mirar hacia la calidad, ya no se puede hacer de forma remota: necesitamos personas que estén capacitadas y que comprendan la calidad esperada. Hay limitaciones, pero no nos damos por vencidos y siempre estamos buscando las últimas tecnologías.

Finalmente, ¿qué le gustaría que supieran los miembros de FESPA?

CC: Todas las impresoras que salen de la fábrica de Durst ya incluyen funciones de análisis. Con cada impresora nueva, realmente invertimos en mantenimiento predictivo y esos datos son la base de la misma. Si un cliente no quiere que su máquina esté en línea, también está bien, pero aquellos que envían datos nos brindan la posibilidad de ser realmente predictivos.

MD: Y me gustaría señalar que la estrategia de “ningún servicio no planificado” no es una estrategia de posventa. Comienza con el desarrollo y el concepto de la máquina y el software que la acompaña y luego pasa a la posventa. Es un enfoque completamente holístico.