Optimización de la gestión de activos a través de flujos de trabajo automatizados

Introducción

En el mundo organizacional, los activos son uno de los aspectos con mayor importancia, debido a que están ampliamente relacionados con la producción y el rendimiento empresarial. Por lo tanto, es imprescindible que estos recursos estén en buen estado y puedan funcionar de forma óptima. De allí proviene el término “gestión de activos”; la cual, se ha visto sujeta a una evolución gracias a la implementación de flujos de trabajo automatizados.

Si bien la gestión de activos busca garantizar la integridad y correcto funcionamiento de los equipos, la automatización de flujos de trabajo pretende optimizar los procesos y fases detrás de las estrategias de mantenimiento de los recursos. Sin lugar a dudas, la combinación de estas dos prácticas puede traer consigo mejoras en la producción, eficiencia y operatividad. Por tal razón, en el siguiente artículo conoceremos cuál ha sido el impacto de los flujos de trabajos automatizados sobre la gestión de activos industriales.

¿Qué es la automatización de flujos de trabajo?

Se refiere a la aplicación de software especializado para la gestión eficiente de tareas, documentos y datos, estableciendo una secuencia lógica y predecible de información. Se trata de un enfoque técnico que se emplea en el contexto empresarial para optimizar procesos y mejorar la eficiencia operativa. Este concepto surge en respuesta al dinámico entorno empresarial actual, donde las organizaciones buscan continuamente métodos para agilizar sus operaciones, y una de las áreas clave para lograr mejoras sustanciales es la gestión de flujos de trabajo.

Los flujos de trabajo manuales tradicionales, caracterizados por consumir significativo tiempo, propensión a errores y la generación de posibles cuellos de botella que afectan la productividad, pueden experimentar significativas mejoras mediante la automatización. Las tecnologías y sistemas especializados para sustituir o mejorar las tareas manuales, reduciendo el tiempo dedicado a las operaciones, minimizando errores y eliminando obstáculos que puedan afectar la eficiencia general del proceso.

En pocas palabras, la automatización de flujos de trabajo representa una estrategia clave para la mejora continua de procesos, permitiendo a las organizaciones adaptarse de manera más ágil a los desafíos y demandas cambiantes del entorno empresarial.

Herramientas de automatización

Sistemas de control automatizado (SCADA)

Son sistemas informáticos que recopilan, procesan y controlan datos de procesos industriales a distancia, centrándose en la aplicación especializada de software para gestionar de manera eficiente tareas, documentos y datos, estableciendo secuencias lógicas y predecibles de información. Este enfoque técnico, en el ámbito empresarial, optimiza procesos y eleva la eficiencia operativa¹.

Su implementación surge como una respuesta al dinámico entorno industrial, donde la agilidad es clave, reemplazando flujos de trabajo manuales. Esta tecnología puede reducir tiempos operativos, minimizar errores y eliminar obstáculos, permitiendo adaptarse ágilmente a desafíos cambiantes. Por tal razón, es una de las principales opciones en los procesos de optimización de la gestión de riesgos.  

Sistemas de mantenimiento asistido por computadora (CMMS)

Es una herramienta de software integral diseñada para centralizar y optimizar la información y los procesos relacionados con el mantenimiento de activos en diversas industrias², incluyendo manufactura, petróleo, gas, energía, construcción y transporte. Su función principal es facilitar la gestión eficiente de activos físicos, como vehículos, maquinaria e infraestructuras, mediante la centralización de datos en una base sólida.

Este sistema opera en torno a una base de datos que organiza información crítica sobre activos, equipos, materiales y recursos asociados. Sus funciones clave incluyen la gestión laboral y de recursos, el registro detallado de activos, la gestión completa de órdenes de trabajo con capacidades de automatización, el mantenimiento preventivo basado en tiempo, uso o eventos, la gestión de materiales e inventario, y la generación de informes, análisis y auditorías detallados para respaldar la toma de decisiones informada y la optimización continua de los procesos de mantenimiento.

Sistemas de diagnóstico de fallas automatizados

Se basan en el empleo de Inteligencia Artificial (IA) para mejorar la eficiencia y precisión en la detección de problemas en procesos industriales. La forma de lograrlo, es por medio de la integración de algoritmos de IA con métodos tradicionales. De esta manera, estos sistemas agilizan la identificación de fallas, reduciendo el tiempo de inactividad y aumentando la productividad.

Una de las mayores ventajas de utilizar sistemas de diagnóstico de fallas automatizados por inteligencia artificial es su capacidad de manejar grandes volumenes de datos y reconocer patrones complejos. Utilizando algoritmos de aprendizaje automático (Machine Learning), estos sistemas analizan datos históricos y lecturas de sensores en tiempo real, permitiendo la detección temprana de desviaciones y facilitando la creación de modelos predictivos para implementar estrategias proactivas de mantenimiento.

Sensores IoT

Los sensores que implementan tecnologías IoT (Internet de las Cosas) en el contexto de la automatización de flujos de trabajo, facilitan la recopilación de datos en tiempo real sobre el rendimiento, estado y ubicación de los activos³. Estos dispositivos conectados a internet detectan variables clave como vibración, temperatura o humedad, proporcionando información valiosa para la toma de decisiones informadas sobre la gestión de activos.

La capacidad de monitorear el estado de los activos en tiempo real permite la detección temprana de cambios y deterioro, facilitando el desarrollo de acciones preventivas que reducen el riesgo de fallos críticos, y así, disminuyendo el tiempo de inactividad y los costos de mantenimiento. La integración de sensores IoT representa una forma de optimización de la gestión de activos al mejorar la eficiencia operativa y el proceso de toma de decisiones estratégicas.

Beneficios de los flujos de trabajo automatizados en la gestión de activos

• Optimización de la producción: Al implementar sistemas de gestión automatizados, se logra una optimización efectiva de la producción petrolera al reducir los tiempos de inactividad imprevistos. Esto sistemas no solo minimizan interrupciones costosas, sino que también maximizan la integridad de los activos y pozos. Además, la automatización contribuye a una mayor recuperación del yacimiento y mejora el rendimiento general del proceso petrolero.

• Reducción de costos por daños: El propósito principal de la gestión de activos es garantizar la integridad y el buen funcionamiento de los equipos industriales. Gracias a la automatización de los flujos de trabajo, existen diversas formas de mitigar las posibles problemáticas y daños que pueden sufrir los activos, traduciéndose en la reducción de costos relacionados a reparaciones, mantenimientos correctivos y cambios de maquinaria.

• Desarrollo de análisis predictivos: Por medio de datos como registros de rendimiento, historiales, y valores captados por sensores en tiempo real, los sistemas automatizados pueden generar análisis predictivos; por lo cual, se pueden anticipar fallos, detectar deficiencias y también establecer estrategias de mantenimiento, generando como resultado la optimización de la gestión de activos que se esté implementando en las instalaciones.

• Mejora de la toma de decisiones: La automatización permite una mayor precisión en el análisis de datos valiosos, eliminando la posibilidad de errores humanos, también, agiliza el proceso de análisis, permitiendo una toma de decisiones más rápida y precisa.

• Eliminación de procesos y prácticas obsoletas: Con la implementación de una plataforma de automatización, se pueden consolidar y centralizar procesos dispersos. Esta estrategia permite el intercambio eficiente de datos entre plataformas, eliminando tareas redundantes y creando una visión integral de los flujos de datos entrantes, optimizando las operaciones y tareas principales.

Casos de éxito

Aker BP

Considerando que los tiempos de inactividad son costosos para las plataformas petrolíeras, Aker BP, en colaboración con Spark Cognition, implementó exitosamente Machine Learning (ML) para optimizar la gestión de activos en su plataforma no tripulada Tambar. Enfocándose en prevenir fallos en una bomba multifásica crítica (equipo que llegó a generarles diversos tiempos de inactividad), se desarrolló una solución basada en IA de mantenimiento predictivo.

Utilizando modelos de comportamiento normal de la bomba multifásica crítica, el software alertaría las desviaciones detectadas, anticipando los posibles fallos de la bomba, y también identificando las causas de las problemáticas.

Durante seis meses, esta solución permitió la intervención temprana de operadores, evitando fallas que anteriormente habían generado pérdidas de producción de más de 10 millones de dólares⁴. La expansión de esta tecnología que lleva por nombre SparkPredict a la flota completa de Aker BP demuestra los alcances de estos sistemas en el mejoramiento de la productividad y eficiencia en entornos offshore.

Shell

En la búsqueda por mejorar la gestión de sus activos, Shell decidió implementar modelos de aprendizaje automático (ML), especialmente para el mantenimiento predictivo de válvulas de control. Anteriormente, las estrategias de mantenimiento que ejecutaban se basaban en enfoques basados en el tiempo o el fallo, lo que llevaba a prácticas ineficientes. Los modelos basados en la física mejoraron la monitorización de condiciones, pero los activos exigían una fiabilidad mejorada, por lo que decidieron optar por la automatización de flujos de trabajo a través de Machine Learning⁵.

El equipo de ingeniería de instrumentación de Shell, en colaboración con la Universidad Tecnológica de Delft y el equipo digital de Shell, exploró el papel de la inteligencia artificial en la detección temprana de problemas en las válvulas de control. Se desarrollaron modelos de ML para analizar los masivos paquetes de datos generados por cada activo, permitiendo la identificación de anomalías y desencadenando alertas para un mantenimiento proactivo.

Una refinería en los Países Bajos implementó con éxito el nuevo modelo de mantenimiento predictivo, detectando 65 problemas en válvulas de control que los métodos tradicionales hubieran pasado por alto. Este enfoque impulsado por ML mejoró la fiabilidad, reduciendo el tiempo de inactividad y marcando un avance significativo en la optimización de la gestión de activos de Shell.

La evolución de la gestión de activos

Debido al constante desarrollo e innovaciones en las prácticas industriales, la complejidad de estas operaciones puede verse aumentada. Por otro lado, el impulso por contar con óptimos niveles de competitividad ha llevado a las empresas a experimentar una evolución en la gestión de activos.

A pesar de los cambios e innovaciones que puedan desarrollarse a nivel industrial, el contar con un buen manejo de los activos resulta en un aspecto primordial para el buen funcionamiento organizacional. Centrándose más en los activos y asegurando su estado óptimo y funcionamiento; lo cual, se traduce en un aumento de la productividad y la eficiencia.

En los próximos años, un número creciente de empresas del sector de petróleo y gas incorporarán tecnologías de automatización. De hecho, el futuro de esta industria podría encontrarse en la convergencia de diversas tecnologías, entre las que se incluye el aprendizaje automático. En dicho futuro, aquellas empresas que se adapten rápidamente mejorarán la optimización de sus recursos y obtendrán una visión más detallada de su progreso.

Conclusión

La optimización de la gestión de activos mediante flujos de trabajo automatizados representa un paso fundamental hacia la eficiencia operativa y la toma de decisiones informada en diversas industrias. A través de esta herramienta, las organizaciones pueden agilizar procesos, reducir errores y maximizar la vida útil de sus activos.

Este enfoque no solo mejora la productividad, sino que también contribuye a la reducción de costos y a la capacidad de adaptarse rápidamente a los cambios del entorno empresarial. En un mundo cada vez más impulsado por la tecnología, la implementación efectiva de flujos de trabajo automatizados se posiciona como un elemento esencial para alcanzar un rendimiento óptimo en la gestión de activos.

Referencias

1. CEIINC. (s.f). ¿Qué es un SCADA?. Consultado el 17 de enero de 2024, de https://ceiinc.co/que-es-un-scada/
2. IBM. (s.f.). ¿Qué es un CMMS (sistema computarizado de gestión de mantenimiento)?. Consultado el 17 de enero de 2024, de https://www.ibm.com/mx-es/topics/what-is-a-cmms
3. Toyos, S. (2023, 21 de marzo). IoT y APM: la combinación ideal para una gestión de activos eficiente. Consultado el 17 de enero de 2024, de https://www.fracttal.com/es/blog/iot-y-asset-performance-management#ayudarAPM
4. Sircar, A., Yadav, K., Rayavarapu, K., Bist, N. y Oza, H. (2021). Application of machine learning and artificial intelligence in oil and gas industry.
5. Velthuis, N. (2021). The Shell journey towards global predictive maintenance. Consultado el 18 de enero de 2024, de https://www.shell.com/energy-and-innovation/digitalisation/news-room/_jcr_content/root/main/section/list/list_item_1405839260/text.multi.stream/1650525120832/dabc9c17a2c9a00d39cb4f442e75d667920c8562/the-shell-journey-towards-global-predictive-maintenance-velthuis.pdf