Modelos predictivos con la física del proceso dentro
Para anticipar un fallo, una subida de consumo o un lote fuera de tolerancia hace falta un modelo que sepa cómo se comporta el equipo, no solo qué pasó otras veces. Construimos modelos que combinan las leyes del proceso con los datos de SCADA, MES y mantenimiento que la planta ya tiene, y que explican cada aviso.
Por qué la mayoría de los modelos predictivos no llegan a planta
Un modelo entrenado solo con histórico acierta mientras la planta se parece a ese histórico. Cambia la aleación, entra un lote de chatarra distinto, se sustituye un quemador, y el modelo sigue prediciendo lo de siempre. Nadie lo nota hasta que el aviso llega tarde o no llega.
El segundo motivo es que la predicción no dice por qué. Una probabilidad de fallo del 87 % sin motivo no le sirve al jefe de turno para decidir si para la línea. Y el tercero es que nadie vigila el modelo después de la puesta en marcha, así que envejece en silencio.
Cómo construimos un modelo que sí se usa
La física primero
El balance de energía del horno, la curva de desgaste de la herramienta o la dinámica térmica de la prensa entran en el modelo como restricciones. Los datos ajustan lo que la física no fija: pérdidas, rendimiento del quemador, fenómenos no lineales.
Avisos con motivo
Cada alerta lleva la variable que se ha desviado, cuánto margen queda y qué revisar. Quien la recibe puede comprobarla contra el proceso antes de actuar.
Sobre lo que ya tienes
Lectura de SCADA, historian, MES y GMAO por los protocolos habituales (OPC UA, Modbus, exportaciones). Sin sensores nuevos salvo que el diagnóstico demuestre que falta una señal.
Vigilado en producción
El error del modelo se compara cada semana con lo que ocurrió. Cuando se desvía, se reentrena. Es parte del servicio, no un extra.
Qué se predice en una planta
Consumo de gas y electricidad
Cuánto va a consumir un horno o una línea térmica con el producto que viene, y qué consigna lo bajaría. Es la base de los proyectos de eficiencia energética.
Fallos en equipos críticos
Desviaciones en temperatura, vibración, presión o consumo eléctrico que preceden a una avería en hornos, prensas, compresores o motores, con días de margen para planificar la parada.
Rechazo y defectos
Qué combinación de temperatura, tiempo, material y herramienta va a dar pieza fuera de tolerancia, antes de fabricarla. En forja, fundición y tratamiento térmico es donde más se nota.
Producción y demanda
Cuánto se va a fabricar y cuánto van a pedir, para alimentar la planificación de turnos y de compra de energía.
Un caso con datos de planta
En Reinosa Forgings & Castings, el modelo predictivo de consumo de gas de GASAI se apoya en el SCADA de los hornos y en los registros de años de operación. Convive con el sistema de control existente y se organiza en tres capas: un modelo de consumo por carga, un planificador de ocupación de hornos y un monitor de desviaciones que avisa antes de que la desviación aparezca en la factura. Se validó en los cinco hornos de una línea principal de forja dentro del programa INNOVA de SODERCAN. Leer el caso.
Del histórico al modelo en operación
Se comprueba si los registros sirven: variables, huecos, frecuencia, coherencia entre SCADA y partes. Si no sirven, se dice y se propone qué registrar. Las siete señales que miramos.
Se elige un horno, una prensa o una línea y se construye el modelo con su física y sus datos. Se contrasta con el operador antes de encender ninguna alerta.
El modelo avisa y explica; la planta decide. Se mide cuántos avisos fueron útiles y cuántos no.
Se replica en equipos parecidos y se vigila el error cada semana. Reentrenamiento cuando cambia el proceso.
Relacionado: Método Eficiencia energética Preguntas frecuentes Glosario
Dudas habituales
¿Qué diferencia hay entre un modelo predictivo normal y uno con la física dentro?
Un modelo que solo aprende de datos históricos acierta mientras la planta se parece a su histórico; cuando cambia la materia prima, el formato o el equipo, sigue prediciendo lo de siempre y nadie se entera hasta que falla. Un modelo con la física del proceso dentro (el balance térmico del horno, la curva de desgaste de la herramienta, la dinámica de la prensa) sabe por qué cambia la señal y avisa cuando algo se sale de lo físicamente esperable.
¿Qué datos hacen falta para empezar?
Los registros del SCADA, el historian o el MES de los últimos meses, los partes de mantenimiento y de calidad, y una conversación con quien opera el equipo. Antes de modelar se revisa si esos datos sirven: consistencia de las variables, huecos, frecuencia de muestreo. Si no sirven, se dice y se propone qué registrar.
¿Cómo llega la predicción a planta?
Como una alerta con motivo: qué equipo, qué variable se ha desviado, cuánto margen hay y qué revisar en el siguiente turno. Se integra en el panel que la planta ya usa o en un informe por turno. No sustituye al sistema de control.
¿Qué pasa cuando el modelo deja de acertar?
Se vigila su error cada semana contra lo que ocurrió de verdad. Cuando la desviación supera un umbral acordado, se reentrena con los datos nuevos. Ese seguimiento forma parte del servicio, porque una planta cambia y un modelo sin mantenimiento envejece en silencio.
¿Los datos salen de la planta?
Pueden quedarse dentro, en un servidor de la planta o en una nube privada, según la política de sistemas de cada cliente.
Reunión exploratoria de 45 minutos
Se elige un proceso, se revisa qué señales existen y se decide si merece un diagnóstico. Sin coste y sin compromiso.
Pedir la reuniónVer el método
