Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 192
Industria 4.
0 Desafíos en Mantenimiento Diego Galar es Catedrático Monitoreo de Condición y Director de Investigación en Sisteplant
Ha participado activamente en la coordinación de
proyectos relacionados con sistemas ciberfísicos, Industria 4.0, IoT, IA industrial y Big Data. Su compromiso con la comunidad académica se refleja en su extenso historial de publicaciones, que incluye más de quinientos artículos en revistas y conferencias, así como libros e informes técnicos.
El Dr. Galar está profundamente involucrado en comités
nacionales e internacionales de estandarización e I+D en las áreas de fiabilidad y mantenimiento. Su influencia se extiende globalmente, con cátedras visitantes en instituciones destacadas de Europa, América y Asia. Además, ocupa roles importantes como secretario y director de relaciones industriales en EFNMS, la Federación Europea de Sociedades Nacionales de Mantenimiento, destacando su papel activo en la promoción de prácticas y estándares de mantenimiento en toda Europa. 3 ¿Cuándo sucedió? ¿Mantenimiento 4.0? Por lo tanto, la información fluye... Datos industriales versus Datos privados Los datos de la Industria 4.0 son en su mayoría datos generados por máquinas Volume | Velocity | Variety | Variability
Machine-generated data is one of the GPS,
RFID, fastest growing, most complex Hypervisor, Web Servers, and most valuable segments of big Email, Messaging data Clickstreams, Mobile, Telephony, IVR, Databases, Sensors, Telematics, Storage, Servers, Security Devices, Desktops
8 Convirtiendo esto
9 A esto
10 Evolución industrial en curso Digitalisation Industry 4.0
● Integration of digital technologies ● Enabling industry to achieve
into industrial context the Operational Excellence, through digitization of everything that digitalised services can be digitized Industria 4.0, el concepto
The basic principle of Industry 4.0 is that
interconnected machines and systems will form an intelligent self-controlled network spanning the entire value chain.
In the ideal factory, machines
autonomously react to unexpected changes in production, predict failures and trigger maintenance processes. La infraestructura ¿Dónde? Sistema de decisión totalmente centralizado Sistema de decisión semicentralizado Sistema de decisión totalmente descentralizado El edge computing está en auge en muchas industrias El Edge de múltiples capas permite la escalabilidad Inteligencia computacional ● Theory, design, application, and development of biologically and linguistically motivated computational paradigms Redes tradicionales y de Deep Learning ML tradicional frente a aprendizaje profundo
Convolutional Neural Networks
ML clásico frente a aprendizaje profundo
(classical)
DL needs data…. Three main drivers for AI
and Algorithms
Especially for Deep Learn
El 4º piloto ● The designer ○ A priori knowledge ○ Data selection ○ Data Filtering and Enhancing ○ Model selection ○ Learning technique choice ○ Experiment Design ○ Avoid brute force ○ Hybrid systems ■ Dividi et impera IA industrial ¿Qué hacer con la IA y los datos de mantenimiento? The analytics Tipos de analítica
● Now casting ○ 1) What happened in the past ○ 2) Why something happened
● Forecasting ○ 3) What will happen in the future ○ 4) What need to be done next La analítica y las expectativas también cambian Tipos de análisis de datos Analítica descriptiva Tipo de anomalía
● Point Anomalies
● Contextual Anomalies
● Collective Anomalies Anomalías puntuales ● An individual data instance is anomalous in. the collected data
N1 o1 O3
o2
N2
X Anomalías contextuales
● An individual data instance is anomalous within a context
● Requires a notion of context ● Also referred to as conditional anomalies* Collective Anomalies ● A collection of related data instances is anomalous ● Requires a relationship among data instances ○ Sequential Data ○ Spatial Data ○ Graph Data ● The individual instances within a collective anomaly are not anomalous by themselves El reto de la analítica descriptiva Una taxonomía y una ontología comunes: Context driven
WO reported by Maintenance CMMS CM software
WO XXXXX Asset code: RHE Centrifugal pump / Magnetic coupling Date: XXXX Location: XXXX Technician: XXXX
Failure mode detected: Leakage
Performed actions: Seal replacement and alignment
Number of breakdowns related to different
Pump Failure Modes
Metadata Asset code: RHE Centrifugal pump / Magnetic coupling Date: XXXX Location: XXXX Technician: XXXX Failure mode existing: Leakage Frequency: Rare Max vibration: 11.89 mm/s Regulations Severity: Unacceptable Performed actions: Seal replacement and Regulators requirements for sustainable development pumpalignment Information adapted to different users and hierarchies ¿Qué es context awareness?
○ “An application’s ability to adapt to changing
circumstances and respond according to the context of use”
○ Issues in context awareness system
implementing • How is context represented? • How frequently does context information have to be consulted? • What are the minimal services an environment needs to provide to make context awareness feasible? • ... Context-awareness O&M Solución de apoyo a la toma de decisiones Informatio Knowledg Context n models e models models
Maintenan Big Data Context
ce Data Fusion Modelling & sensing & & Integration Data Analysis adaptation Tipos de análisis de datos Analítica de diagnóstico
RELEVANT FEATURES
DATA PREPARATION
UNIFIED Feature Data DATA selection Reduction FORMAT
Historical and live data DATA MINING BLOCK
Optimal UPDATE thresholds MAINTENANCE PLAN PROCESS For features PREDICTIVE ADVANCED MAINTENANCE PREDICTION ESTIMATION
PROGNOSTICS El reto de la analítica de diagnóstico “Evento Cisne Negro: An event or occurrence that deviates beyond what is normally expected of a situation and that would be extremely difficult to predict.” Imprevistos/Eventos Sorprendentes: A. Events that were completely unknown to the scientific environment (unknown unknowns) B. Events that were not on the list of known events from the perspective of those who carried out a risk analysis (or another stakeholder) C. Events on the list of known events in the risk analysis but found to represent a negligible risk Diagnóstico y eventos sorprendentes
Known unknowns
Unknown unknowns, black swans Eventos del Cisne Negro ● Rarity—It is an outlier, as it lies outside the realm of regular expectations, because nothing in the past can convincingly point to its possibility. ● Extreme impact—It carries an extreme impact. ● Retrospective (though not prospective) predictability—In spite of its outlier status, human nature makes us concoct explanations for its occurrence after the fact, making it explainable and predictable. Pérdidas por Cisne Negro ● Loss Distribution ○ Tail events are rare – very little data ○ Typically strong model assumptions se cuestiona si un cisne negro es ....... 1. A surprising extreme event relative to the expected occurrence rate 2. An extreme event with a very low probability. 3. A surprising, extreme event in situations with large uncertainties. 4. An unknown unknown. El cisne negro en la industria y el transporte
A surprising extreme event relative
to the present knowledge/beliefs. Hence the concept always has to be viewed in relation to whose knowledge/beliefs we are talking about, and at what time. ¿Qué puedo ver en mis datos? Now casting Forecasting 1) What has happened 3) What will happen in the 2) What is happening future 4) When will it happen Tipos de análisis de datos Análisis predictivo: predicción de RUL Feature of item n crosses boundary in time t+dt
Feature of item n crosses boundary in time t RUL considering two features Análisis predictivo: predicción de RUL
54 El canto del cisne NUESTRO OBJETIVO es desarrollar una capacidad de pronóstico general robusta que se pueda aplicar a muchas situaciones. ¿Cómo funciona tu bola de cristal?
Sharpening the crystal ball Estimación de RUL
RUL loss Performance rate Degradation starts Expected Performance
Acceptable P1 P2 P3 Limit x1 x2 x3
Time Horizonte en el pronóstico ¿Qué tan lejos quiere ver en el futuro? Choose One ▪ Detect Train Just Before it Hits You, Predictive
or Horizon
▪ Detect Train Far
Predictive Obstruction Enough in Advance to Take The “Right” Evasive Action Capas MDSS ERP RBM
RBM PBC
MDSS MPM
New maintenance services - Financial data -Marketing data - Customer info LCC - Suppliers - Regulations Human Condition Monitoring factors
text RAMS
CONDITION eMaintenance MONITORING DATA
FUSION DATA MINING
CM DATA OF RUL / MAINTENANCE INTEGRATION RELATED DATA estimation PLANT WITH CMMS SOURCES INVENTORY/ ASSET INFO
Macro HISTORICAL level DATA decision WORKORDER IN/OUT
Micro level CMMS DECISION decision DECISION FOR FOR EAM SHOPFLOOR MAINTENANCE LEVEL MANAGEMENT
Board of Directors La retrato de Dorian Gray El reto de la analítica predictiva Predecir el futuro….. ¿O predecir el pasado..... El conocimiento del dominio y la física a veces no están en los datos ¿Seremos capaces de detectar e identificar el canto del cisne de nuestros activos? Enorme brecha entre la ciencia de datos y la operación y el mantenimiento Y la incertidumbre en RUL minimizada con la física, maximizada con los datos El conocimiento del dominio y la IA, ambos necesarios ¿Basado en datos o en modelos? Tipos de análisis de datos Analítica prescriptiva: Predicción RUL y simulación de escenarios Prescriptive Model Maintenainers demand: Operational recommendations with RUL estimations characterised via deterioration process, probability model, possible tasks
deterioration task C break down task B
task A
no maintenance time Analítica prescriptiva: Predicción RUL y simulación de escenarios Analítica prescriptiva: Generador de recomendaciones 75 Reto prescriptivo: El efecto mariposa digital ¿Es suficiente mi modelo de ML? ¿Puede predecir y rastrear la causa raíz del caos?? Los humanos no pueden gestionar tamaña complejidad
79 De la ciencia a la conceptualización a la materialización
AI Industrial AI eMaintenance Information Cloud assurance Governance Safety computing Liveware Integrity Software Data integrity eGovernance Security Hardware Data Policies quality Information quality IA - multidimensionalidad
Governance Rules Business Convergence Sustainability Cyber/Physical
“Cyber Twin” Performance Cost IT/OT
(Digital Twin) Algorithm Digitalisation Reward/penalty Data Digital Twin Decision Availability Simulation Accessibility Materialización del Entorno Ciber físico (Gemelo Digital) Business connectivity DT Services Analytics Visualisation Cognitive
Data & model connectivity DT Architecture
Management Processing Computing
Device connectivity DT Infrastructure
IoT Industrial internet Gemelo digital Origen del gemelo digital Evolución del gemelo digital Niveles de Gemelo Digital Nivel 1 de Gemelo Digital Nivel 2 de Gemelo Digital Nivel 3 de Gemelo Digital Bien, entonces vamos a gemelizar la realidad, pero ¿por qué? El gemelo como proveedor de servicios
91 Gemelo digital
● The digital twin refers to a digital replica
of physical assets, processes and systems that can be used in real-time for control and decision purposes ○ Computerized mathematical model (what we have done over years) ○ Real-time, thanks to IoT ● In contrast to a physical asset, the digital twin can immediately perform forecasting Gemelo digital estocástico
● A stochastic digital twin is a computerized model of the stochastic
behavior of a system where ○ the model is updated in real-time ■ based on sensor information and other information ■ accessed via the internet and the use of cloud computing resources ● What-if inquiries result in pdf’s rather than single values Modelo en tiempo real
● A real-time model is a model where it is possible to obtain values of
system performance and system states in real-time ● With real-time we mean that data referring to a system is analysed and updated at the rate at which it is received Arquitectura de la solución de gemelos digitales La IA industrial impulsa los DT Madurez en motores de IA para DTs The analytics Digital twin 1.0 Gemelo digital 1.0 Internet eMaintenanc e Cloud Server
Machine Maintenance Analytics
On board Wireless System
Data Information Knowledge
Tipos de IA Gemelo basado puramente en OT Gemelo digital 2.0 Internet eMaintenanc e Cloud Server
Technical services
Truck scheduling On board Wireless System Machine Maintenance Analytics
IT Tipos de IA La única solución para hacer frente a los cisnes negros es llenar el vacío entre la ciencia de datos y la operación y el mantenimiento Gemelo digital 3.0
IT
OT ET Tipos de IA Modelos híbridos Digital twin 4.0 Tipos de IA ¿Es suficiente mi modelo de ML? IR4.0 a IR 5.0 Metaverso Donde los avatares interactúan con los DT Productos y lugares SMART Gemelo digital y SMART Queremos ser Alicia OUTSIDE INSIDE Los gemelos digitales deben ser sociales entre ellos y con Avatares de humanos La comunicación M2M allanó el camino para los DT sociales Edge agents versus cloud centralized De forma tradicional, transferimos todo a la nube La nube proporciona los servicios uno por uno.... Con Multi agente para grandes flotas compartimos modelos Compartir modelos en lugar de datos Gemelo Digital, la entidad social Intercambio de datos en el metaverso con activos y humanos
Digital Digital Digital Digital Digital
Avatar Twin Twin Twin Twin Twin La red social como facilitadora de servicios con humanos La mente colectiva con inteligencia distribuida Gestión de la salud en redes sociales Tipos de IA ¿Solo un metaverso? ¿Cuántos escenarios se te ocurren? Simulación de posibles escenarios.......... Autonomía de prescripción y Multiverso Prescripción autónoma en Multiverso
Resources allocated Maintenace SCENARIO policy 1 1 Capacity or RUL other KPIs for MP1
Maintenace Resources allocated SCENARIO policy 2 2 RUL Capacity or other KPIs for MP2
Maintenace Resources SCENARIO
allocated policy 3 3 RUL Capacity or other KPIs for MP3
Maintenace Resources allocated SCENARIO policy n N Capacity or other KPIs RUL for MPN Tipos de IA La prescripción autónoma un paso por delante de la cognición Tipos de analítica de datos Los activos cognitivos se autoconservarán Habilidades de los gemelos digitales cognitivos Tipos de analítica de datos Teoría de la Gestión del Terror Gestión del terror
○ Core premise: basic existential dilemma ■ Desire for life ■ Awareness that death is inevitable Gestión del terror: Principios principales ● Fear of death is unique to humans ● Self-awareness leads to death awareness (i.e. recognition that death is unstoppable and unpredictable) ● Fear of death fundamental source of human conflict and anxiety ○ Death naturally conflicts with our powerful self-preservation and freedom instincts Singularidad de la humanidad
The key difference between smart and
intelligent is the ability to acquire knowledge and skills. Ability to react to unexpected events in unexpected contexts Singularidad de la humanidad ■ Distinctive human behavioral traits ● Subtle expression of emotions ● Intelligence: abstract thinking, categorizing, & reasoning ● Symbolic & creative language ● Self-awareness & death- awareness ● Tool-making & technology ● Science, literature & art ● Ethics & religion Tipos de IA DT cognitivos is a further upgrade, as it enables us to ingest all kinds of data • Structured • Unstructured (audio/video/natural language) and obtain a better informed insight and superior recommendation on next best action. Core premise: • Desire for life • Awareness that death is inevitable Tipos de IA Los robots cierran el círculo Cambio Miedo a la Covid-19 climático tecnología Fábrica oscura ● Dark Factory (Lights out manufacturing) ● Characterised by ○ High level of autonomy ○ Digitalisation ○ AI ○ Robotics ○ Low liveware intervention La tecnología es 'el elefante' en la habitación No siempre las organizaciones adoptan nuevas innovaciones o están alineadas con los últimos plazos de la Industria 5.0 IR4.0 a Y 5.0 De IR4.0 a IR5.0 Droides, humanoides o trabajadores aumentados Robocop versus ED 209 Cobots que imitan a los humanos Problemas de colaboración y convivencia
● Robots bumping into humans
● Robots (such as drones) falling and the danger this poses to the workforce on the ground ● Robots becoming stuck or lodged within an asset that needs human intervention ● Overlooking robots falling onto humans or other robots below ● Electrocution caused by robot malfunction ¿Cobots con 2 brazos? Pinzas robóticas para imitar a los humanos Pinzas robóticas para imitar la naturaleza Robots con capacidad para moverse de forma autónoma en la planta Mobile manipulators are required when maintenance tasks are performed in different locations
It requires adapting the infrastructure
(reflectors, wires, lines) or moving towards Autonomous navigation, with 3D obstacle avoidance and easy setup. Robots con capacidad para moverse de forma autónoma en la planta Research Design phase Integrated Maintenance Maintenance Solutions program RAMS, LCC & Risk Application analysis Environment Function & Cost Effective Product Performance Development & Life Cycle Management Safety, Environment, Sustainability, ROI Research Operation phase Prognosis How? Integrated Maintenance When? Diagnosis Controlling Solutions Condition WHY? Predicting Monitoring Explaining WHAT? Describing Effective System state & Asset & behavior Production Management Safety, Environment, Sustainability, ROI Diseño para..... ● Diseño para la fiabilidad ● Diseño para el mantenimiento ● Diseño para la mantenibilidad ● Diseño para el fallo Diseño para el mantenimiento y mantenibilidad Maintainability is the measure of the ability of an item to be retained in or restored to a specified condition when maintenance is performed by personnel 1-Equipo de mantenimiento aumentado AR y VR para aumentar las habilidades de los técnicos 2-Droides para actuar como humanos Robot de entrenamiento por gestos 3- Máquinas diseñadas para ser mantenidas por robots IA industrial y diseño generativo RAMS DESIGN
Specificatio FABRICATE n CONSTRUCT Requirement s Procur OPERATE e Install MAINTAIN Modify
Rebuild REPLACE
Asset Life Cycle Monitor
RETIRE
PHM La inspección como tarea natural ● The advantages this brings are immense: ● Eliminating or minimizing the need for human entry into hazardous environments, therefore significantly reducing risk. This also brings about associated lowered insurance premiums ● Reducing or negating requirements for venting enclosed areas and erecting scaffolding, therefore shortening the downtime of assets ● Dramatically reducing environmental risks ● Superior collection of data due to the elimination of human error or the inability to visualize hard to access areas ● Increased quality of data makes for better decision making and considerations for necessary maintenance and inspection schedules Star Wars: ¿Por qué usó La República Clones en lugar de droides ? • Battle droids generally feature limited cognitive systems and programming, restricting them to being most effective when in direct combat
• Dumb battle droids are ineffective in military actions. Easily drawn
into traps, easily fooled, and nobody has any moral qualms about using any and all weapons to slaughter droids.
• Smart battledroids have an unfortunate tendency to murder
their creator in the beta-testing phase, then try to take over the galaxy and destroy all non-droid life.
Star Wars: ¿Por qué usó La República
Clones en lugar de droides ? CONTEXT AWARENESS Context SELF PRESERVA TION Actionable Performance SELF insights AWARENESS
Health En resumen.... ● La Industria 4.0 es la revolución del Mantenimiento ● Los robots y la IA son las tecnologías habilitadoras para la transformación del mantenimiento ● Los gemelos digitales y el metaverso son la conceptualización y materialización de los logros 4.0 ● Los gemelos digitales son entidades sociales ● Los DT son diferentes, pero deben ser escalables y modulares para formar activos complejos ● El metaverso es el punto que convergen los DT y los avatares ● EL Multiverso ofrece capacidades de prescripción ● Los DT cognitivos incorporarán la autoconciencia y la autopreservaciónIndustry ● 5.0 incluye como elemento sustancial el enfoque centrado en el ser humano diego.galar@ltu.se dgalar@sisteplant.com
