UNIVERSIDAD DEL VALLE – SEDE PALMIRA

PROGRAMA DE TECNOLOGÍA EN ELECTRÓNICA

INSTRUMENTACIÓN ELECTRÓNICA BÁSICA

INTELIGENCIA PREDICTIVA

Trochez Pumalpa Angélica María 1764088-trochez.angelica@correounivalle.edu.co


Abstract—The following report deals with the Predictive  Conocer la importancia que tiene esta tendencia para
Intelligence, which will cover topics such as its definition, areas mejorar el mantenimiento industrial.
and examples of application, industrial benefits and production
quality. It can be said that this type of technology can have a
great potential to improve, improve and prevent situations or
problems in a process of automation, manufacturing, automotive,  Comprender la importancia de esta tendencia para
aerospace, etc. mejorar la calidad de un producto, servicio o
máquina.
Resumen— El siguiente informe trata sobre la Inteligencia
Predictiva donde se abarcará temas como su definición, áreas y IV. INTELIGENCIA PREDICTIVA
ejemplos de aplicación, beneficios a nivel industrial y de calidad
de producción. Se puede decir que este tipo de tecnología puede
tener un gran potencial para optimizar, mejorar y prevenir La inteligencia predictiva, se refiere a una amplia categoría de
situaciones o problemas en un proceso de automatización, la ciencia de la información y las técnicas de aprendizaje
fabricación, automoción, aeroespacial, etc. automático utilizadas para pronosticar los resultados o
problemas.

I. INTRODUCCIÓN

¿Cómo es posible saber cuándo y dónde una maquina o equipo

fallará, o cuando podría poner en riesgo a un empleado,
producto, proceso o servicio? Además de que las fallas en una
empresa o industria puede traer consigo altas perdidas de
recursos materiales, componentes críticos y dinero, igualmente
pone en riesgo la calidad de empresa. Es por ende que la
tecnología que brinda la solución a estos problemas es la
inteligencia predictiva la cual se puede aplicar en muchos
campos, por ejemplo, a nivel de componentes (por ejemplo,
vibración del eje de la turbina), a nivel del equipo (por
ejemplo, salida de turbina) o al nivel del sistema (eficiencia de Ilustración 1: Inteligencia Predictiva
la planta de generación). Decidir dónde aplicar las técnicas
requiere una evaluación de los sistemas, equipos o
componentes individuales, junto con una evaluación de las Un modelo predictivo proporciona una pieza de información
fuentes de datos disponibles. También es importante evaluar la para aplicar a un problema industrial estratégico. Claro, es una
probabilidad de que un modelo de aprendizaje automático de información importante basada en una metodología científica
inteligencia artificial adecuado, pueda modelar con precisión
y rigurosa, alimentada por datos reales sobre equipos,
el sistema y obtener los resultados deseados.
maquinas.
II. OBJETIVO GENERAL La inteligencia predictiva tiene mayor impacto cuando se usa
para predecir fallas de alto valor o componentes críticos,
Aprender y conocer los aspectos más importantes sobre la donde el impacto de cualquier tiempo de inactividad es
Inteligencia Predictiva. significativo. Por ejemplo, los motores a reacción de un avión,
los generadores de turbina en una central eléctrica y los
III. OBJETIVOS ESPECIFICOS equipos de procesamiento clave como bombas o compresores
en una planta química.
 Conocer y comprender ¿qué es la inteligencia
predictiva?,¿Dónde tiene más sentido aplicarla?,
¿Qué beneficios trae?
¿Dónde la inteligencia predictiva tiene más sentido?
Dispositivos médicos y servicios financieros
La inteligencia predictiva no es necesariamente una técnica
que debe aplicarse a cada elemento del equipo. Las áreas
donde es más probable que la técnica produzca buenos
resultados incluyen:

1. Maquinaria en movimiento (donde es relativamente fácil

medir la vibración, las condiciones de operación, etc.).
2. Artículos de alto costo de capital.
3. Equipo crítico en un proceso donde hay un alto costo de
oportunidad de la avería.
4. Mantenimiento de equipos especializados bajo contrato de
servicio (subcontratados).
5. Fallos donde las variables de la causa raíz son bien
entendidas.
El uso de la inteligencia predictiva ha crecido, esta tendencia
ha sido respaldada por tres motores de tecnología principales:
1. Mejor instrumentación de campo que incluye sensores
inteligentes conectados a internet.
2. Plataformas IoT basadas en la nube, capaces de transmitir
y analizar grandes volúmenes de datos a través de la web.
3. Mejor conectividad y facilidad con la que los proveedores
de servicios pueden monitorear de forma remota los
parámetros operativos del equipo.
V. EJEMPLOS DE INTELIGENCIA
PREDICTIVA
Ilustración 2: Usos de la Inteligencia Predictiva
VI. INTELIGENCIA PREDICTIVA EN EL
MANTENIMIENTO
La inteligencia predictiva para el mantenimiento planificado
es una técnica que utiliza datos para comprender la
degradación del equipo y así predecir fallas. Al comprender
mejor el riesgo de fallas, el mantenimiento preventivo puede
programarse en el mejor momento posible para reducir las
interrupciones y, por lo tanto, los costos.
En el mantenimiento, puede manifestarse en varias formas,
una de las cuales se denomina "monitoreo de condición”. Al
comprender la condición del equipo y los patrones de
degradación, es posible determinar el riesgo de falla, es decir,
dónde fallará, cuándo fallará y por qué fallará. Cuando hay
suficiente confianza en los resultados del análisis, el
mantenimiento puede ser reprogramado o diferido. En última
instancia, el objetivo es tomar mejores decisiones de
mantenimiento basadas en datos.

Aquí hay algunos ejemplos de cómo las organizaciones están

haciendo uso de la inteligencia predictiva:

Aeroespacial: predice el impacto de las operaciones de

mantenimiento específicas en la confiabilidad de la aeronave,
el uso de combustible, la disponibilidad y el tiempo de
actividad.

Automoción: incorpora registros de robustez y falla de los

componentes en los planes de fabricación de vehículos
futuros. Estudiar el comportamiento del conductor para
desarrollar mejores tecnologías de asistencia al conductor y,
eventualmente, vehículos autónomos.

Producción de energía: previsión del precio y la demanda de

la electricidad. Las aplicaciones de pronóstico sofisticadas
utilizan modelos que monitorean la disponibilidad de la planta,
las tendencias históricas, la estacionalidad y el clima.
Fabricación: predice la ubicación y la tasa de fallas de la
máquina. Optimizar las entregas de materia prima en función
de las futuras demandas proyectadas.
Automatización industrial y maquinaria: predicción de
fallas en las máquinas
Ilustración 3: Inteligencia predictiva en el mantenimiento industrial
La inteligencia predictiva tiene mayor impacto cuando se usa
para predecir fallas de alto valor o componentes críticos,
donde el impacto de cualquier tiempo de inactividad es
significativo. Por ejemplo, los motores a reacción de un avión,
los generadores de turbina en una central eléctrica y los
equipos de procesamiento clave como bombas o compresores
en una planta química.
Los beneficios de la inteligencia predictiva en
mantenimiento.
1. Mejora de la calidad del producto y niveles de servicio.
2. Mejora la disponibilidad de equipos.
3. Detección temprana de fallas costosas.
4. Mejor planificación de la reposición de activos.
5. Reducción de inventario de repuestos.
6. Datos mejorados para soportar reclamaciones de garantía.
7. Mayor vida útil de los activos y menor uso de
consumibles.
8. Reducción de los costos de mantenimiento y tiempo de
inactividad con una mejor previsión y presupuesto.
VII. INTELIGENCIA PREDICTIVA EN LA
CALIDAD DE PRODUCCIÓN
Ilustración 4: Calidad de un producto
En los procesos de producción, la calidad tiene la máxima
prioridad. Esto se hace para optimizar los procesos internos,
donde la calidad del producto hace la diferencia con sus
competidores. A continuación, se explican los beneficios que
le ofrece la inteligencia predictiva a la calidad de un producto
o servicio:
 Predice la calidad de los productos o piezas. De esta
manera, los procedimientos de control de calidad
manuales que requieren mucho tiempo se pueden
automatizar.
 Ofrece una selección relevante de productos o piezas
en las que se trabajará para alcanzar la calidad
deseada.
 Se descubre en una etapa temprana, factores que
influyen en la calidad y la pérdida de producción. De
esta forma, puede optimizar sus procesos de forma
sostenible.
 Cambia procesos complejos de producción, es decir,
se puede ajustar la configuración del proceso y la
maquinaria, que puede causar una mala calidad.
VIII. EJEMPLO DE UNA PLATAFORMA DE
INTELIGENCIA PREDICTIVA
Ilustración 5: Plataforma de inteligencia predictiva Sentinel de
Basque Industry 4.0 – Spri
A través de la plataforma de inteligencia predictiva Sentinel de
Basque Industry 4.0 – Spri, los procesos de transformación de
los materiales metálicos se monitorizan y optimizan mediante
el análisis simultáneo de los datos capturados en puntos clave
del proceso de fabricación. Por medio de la Inteligencia
Artificial, en tiempo real, Sentinel analiza cualquier
desviación dada en el proceso de transformación metálica y
predice la calidad resultante del componente de fundición que
se está fabricando.
Error detectado y transmitido
Cuando se detecta una desviación o error, Sentinel envía
alertas y proporciona recomendaciones correctivas a los
equipos clave y al personal involucrado en el proceso de
fabricación para que actúen sobre él. De esta manera, Sentinel
ayuda a la fundición a evitar errores en una producción sin
defectos para reducir el rechazo y mejorar la calidad y la
productividad.
IX. CONCLUSIONES
La inteligencia predictiva trae muchos beneficios para
comprender exactamente cuándo es probable que un equipo
falle, lo que lleva a un mantenimiento más efectivo, a costos
reducidos y a niveles mejorados de producción o servicio.
Las fallas en los equipos pueden ser costosas en todas las
industrias. En el transporte, por ejemplo, el fallo prematuro de
un motor a reacción puede causar la cancelación de vuelos y
retrasos, además de ser un problema de seguridad. En las
industrias de procesos, una falla crítica del compresor puede
resultar en el cierre de una planta completa. En la generación
de energía, las grandes turbinas de alta velocidad pueden
tardar meses o incluso años en reemplazarse, lo que resulta en
una pérdida de capacidad e ingresos.

El modelado predictivo puede automatizarse, pero la

verdadera inteligencia predictiva nunca lo será. El modelado
predictivo, y todo el aprendizaje automático, debe desempeñar
un papel que empodere y no reemplace a la persona
responsable de usar modelos para tomar medidas reales en el
proceso de producción o negocio.

X. REFERENCIAS

[1] Sara Ibrahim, Articulo “Predictive intelligence platform ”

del 8 de agosto de 2018. Disponible:
https://www.ien.eu/article/predictive-intelligence-platform/

[2] John Edwards, Articulo “What is predictive analytics?

Transforming data into future insights” de mayo 16 de 2018.
Disponible https://www.cio.com/article/3273114/predictive-
analytics/what-is-predictive-analytics-transforming-data-into-
future-insights.html

[3] Jim Sawyer, Articulo “¿Predictive Intelligence Will Never

Fully Be Automated “de 5 de Julio del 2017. Disponible:
https://www.targetmarketingmag.com/article/predictive-
intelligence-will-never-fully-automated/all/

[4] Gavin Halse, Articulo “Using predictive analytics to

improve planned maintenance” del 2018. Disponible:
http://www.instrumentation.co.za/9151a