Es imprescindible llevar a cabo una transformación de todo el mercado que permita satisfacer las necesidades de las empresas de forma más eficiente, en condiciones asequibles de coste y sin grandes impactos ambientales. Esta necesidad se convierte en casi obligación cuando hablamos de la industria que produce la energía que consumimos. Si el recurso que se produce debe ser sostenible, tanto más lo ha de ser la forma de producirlo y la industria que se encarga de ello. De lo contrario, caeríamos en una paradoja que sería perjudicial para el medio ambiente y para nuestra sociedad.
En este escenario es más que evidente el importante papel que juega la innovación y la evolución tecnológica como principales herramientas a la hora de encontrar sistemas de producción más eficientes y menos contaminantes; pero también a la hora de hacer más eficientes los procesos necesarios para garantizar la continuidad y el buen funcionamiento de las empresas.
Entre estos procesos, y especialmente dentro de la industria energética, tienen especial relevancia los trabajos de mantenimiento. Dada la naturaleza disgregada de esta industria, que cuenta con instalaciones en muchos casos aisladas geográficamente y de alto riesgo y donde el acceso está supeditado a altos niveles de acreditación y seguridad, aumentar la eficiencia de los trabajos de mantenimiento se traduce en una mejora tangible en la gestión de la empresa.
En esta área, el empleo de tecnologías analíticas y predictivas, como la Inteligencia Artificial y el Edge Computing, están planteando un nuevo paradigma para desarrollar nuevos modelos sobre los que estructurar y prever los trabajos de mantenimiento requeridos en cada instalación y en cada equipo, ayudando así a asegurar el correcto funcionamiento de toda la infraestructura y activos, obteniendo un diagnóstico y supervisión de los activos más optimizado y en tiempo real, y evitando el desperdicio energético en caso de averías o fallas en los equipos.
La Inteligencia Artificial nos sirve para crear algoritmos que permitan hacer el salto de Procesos de Mantenimiento Reactivo, que solucionan averías ya originadas, y Procesos de Mantenimiento Preventivo, que evitan que se utilice un equipo cuando no es necesario, a Procesos de Mantenimientos Predictivo, que se adelantan a posibles fallos de los sistemas, disminuyendo el número de intervenciones no necesarias y sus correspondientes gastos.
Por otra parte, el uso de tecnología analítica y predictiva se ve potenciado al combinarlo con distintos indicadores que proporcionan información sobre el funcionamiento de un servicio. Para gestionar el elevado volumen de datos que se genera, es necesario contar con tecnología específica como Edge Computing, capaz de gestionar y tratar los datos de todos los equipos de una misma planta de producción en local y al mismo tiempo, de manera centralizada y remota desde la nube, todos los datos aportados por todas las plantas que la empresa tiene distribuidas en diferentes localizaciones.
Gracias a la aplicación de estas tecnologías, se recopilan datos para saber cuándo y por qué se produce un error en el sistema. En base a esta investigación, se hacen previsiones que determinarán en qué momento puede producirse un fallo y predefinir estrategias y soluciones técnicas para solventarlo antes de que ocurra. De esta forma, seremos capaces de anticiparnos a posibles incidencias o errores y mejorar los procesos de producción, lo que hace posible tener un control más certero del funcionamiento de los activos y de la fábrica.
Entre los principales beneficios al adoptar la tecnología analítica y predictiva destaca la reducción a casi la mitad del tiempo de inactividad por averías en los sistemas y el aumento de la productividad hasta en un 25%. Además, genera un impacto positivo en la rentabilidad de la compañía, con un ROI inferior a un año y la disminución de hasta un 30% en el coste de mantenimientos.
En la actualidad, en T-Systems trabajamos para impulsar y desarrollar modelos colaborativos a través de procesos innovadores como nuestro modelo de solución y metodológico de la suite ENAE (ENergy Assets Efficiency), donde ofrecemos el acompañamiento end to end de todo el proceso desde la definición e instalación de sensores hasta la explotación analítica de datos (en la nube y/o localmente) e integración de KPIs, todo ello a través de la integración de soluciones propias o de cualquier fabricante en un modelo de arquitectura óptimo para cada caso, con opción de realizar todo en ambientes de simulación dentro de un laboratorio permitiendo así reducir drásticamente los tiempos, costes e impacto de implantación (incluyendo la calibración de la solución) obteniendo resultados de muy altas eficiencias para nuestros clientes con una fiabilidad total para su escalabilidad en la empresa. Para todo ello, la innovación y el progreso de la tecnología son las palancas claves que ejercerán ese avance social y económico; creando nuevos servicios que se adapten a la nueva realidad y que den respuesta a las demandas del mercado.
T-Systems
Director del área de negocio Oil&Gas/Utilities
