Digital Technology

El futuro del análisis de fallas en los rodamientos ya está aquí

La visión artificial es un complemento efectivo del ojo humano. SKF ha desarrollado una herramienta de IA para evaluar automáticamente los daños en los rodamientos y ayudar al cliente a diagnosticar problemas y prolongar la vida útil de componentes fundamentales.

Contenido relacionado

El sector industrial confía cada vez más en tecnologías digitales avanzadas para monitorear el estado de sus equipos. Los sistemas modernos de monitoreo de condición utilizan técnicas analíticas avanzadas para detectar signos prematuros de desgaste o daños en los rodamientos y otros componentes fundamentales. Sin embargo, una vez que se ha identificado un defecto, la herramienta de diagnóstico más potente siempre ha sido el examen de un ingeniero experimentado.

Al examinar marcas indicadoras en las superficies de contacto, los especialistas de SKF pueden evaluar la gravedad de un problema y frecuentemente identificar la causa más probable. Esta información es extremadamente valiosa para el usuario final. Por ejemplo, la inspección visual puede permitirles modificar los procedimientos de operación o mantenimiento para evitar que los problemas se repitan. También permite determinar –en el caso de los grandes rodamientos usados en papeleras, en plantas siderúrgicas, turbinas eólicas y otras aplicaciones– si un rodamiento dañado es apto para reacondicionarlo y volverlo a utilizar.

Sin embargo, el acceso a un analista de rodamientos calificado no siempre es fácil. A los especialistas de SKF puede llevarles años de trabajo diario con rodamientos para poder acumular los conocimientos y experiencia necesarios. Si el equipo dañado se halla en un lugar remoto, hacer llegar hasta allí un ingeniero de rodamientos puede ser difícil, un problema agravado recientemente por las restricciones en viajes y acceso impuestas en respuesta a la pandemia de Covid-19.

Además, cuando hay que enviar a SKF rodamientos usados para reacondicionarlos, el propietario quiere saber que la unidad enviada esté en condiciones apropiadas para reciclarla. De no ser así, probablemente será más rentable y ecológico reciclarla localmente.

Sistema de IA para evaluar rodamientos

Para abordar estos problemas, un equipo en SKF está desarrollando un nuevo enfoque mediante un sistema automatizado de visión artificial que evalúa los daños en los rodamientos mediante fotografías digitales. El sistema usa inteligencia artificial en forma de un algoritmo de reconocimiento de imagen de red neuronal, entrenado usando miles de imágenes de rodamientos dañados de los archivos de SKF.

El sistema puede identificar características de la superficie del rodamiento incluso si la imagen ha sido captada desde un ángulo imperfecto o sobre un fondo abigarrado

A diferencia de los anteriores enfoques de visión artificial, el sistema de IA se ha diseñado para funcionar en condiciones reales con imágenes obtenidas en fábrica o durante el trabajo en campo, cuando un control exacto de la iluminación y composición es imposible. El sistema puede identificar características de la superficie del rodamiento incluso si la imagen ha sido captada desde un ángulo imperfecto o sobre un fondo abigarrado.

Una vez seleccionada el área de interés, la herramienta de IA clasifica el tipo y la gravedad de los daños en la superficie del rodamiento. Los rodamientos pueden presentar muchos tipos de falla diferentes. Por ejemplo, ISO 15243:2017, la norma internacional relevante, contiene más de una docena. El equipo de SKF selecciona un número de tipos de falla que representan alrededor del 80 % de las fallas en el servicio.

Entrenamiento del algoritmo

El entrenamiento y la optimización del algoritmo fue una labor de colaboración entre un equipo de expertos del Centro de Investigación y Desarrollo Tecnológico de SKF y especialistas en análisis de rodamientos altamente experimentados. Inicialmente, el equipo mostró al sistema miles de imágenes, cada una etiquetada con el tipo de falla relevante, para el aprendizaje de las características de cada una. Luego, para someter a prueba el algoritmo, pidieron la clasificación de nuevas imágenes y compararon los resultados con las opiniones de los expertos, y ajustaron el modelo para mejorar su precisión.

Fig. 1: Al poco tiempo, el sistema de IA basado en visión artificial (visión IA) pudo diferenciar entre tipos de falla que los observadores humanos tenían dificultades en distinguir. La imagen muestra dos rodamientos dañados con marcas similares, en las que podría ser confuso diferenciar entre daños por corriente eléctrica y desgaste abrasivo. La herramienta de IA solo identificó daños por corriente eléctrica en la imagen de la derecha, un pronóstico que fue confirmado por un análisis posterior de los rodamientos.
Ejemplo 1
Ejemplo 2
Fig. 2: Las figuras muestran ejemplos de imágenes introducidas con daños en los rodamientos (izquierda) y el resultado (derecha) presentado por la herramienta de IA que muestra los daños detectados en forma de recuadros delimitadores con su clasificación según el correspondiente tipo de falla de ISO.

Implementación y aprendizaje continuo

El buen funcionamiento del sistema de visión por IA durante la fase de pruebas ha hecho que la implementación haya empezado en toda la organización, para ayudar a que los equipos de soporte técnico al cliente clasifiquen los problemas y que el personal de reacondicionamiento acelere la evaluación de los rodamientos recibidos. Al trabajar junto con personal experimentado, el algoritmo de visión artificial continúa aprendiendo y mejorando su precisión constantemente.

La próxima fase del proyecto será hacer que el sistema esté disponible para los clientes. El equipo de expertos prevé implementarlo como software basado en la nube, lo que permitirá al personal de mantenimiento captar imágenes de rodamientos y cargarlos en la nube para su análisis. El objetivo inicial es una experiencia aumentada por IA sin contratiempos, que ayude instantáneamente al usuario a decidir si un rodamiento es apto para reacondicionarlo.

Próximamente SKF analizará la forma de combinar el nuevo enfoque con otras de sus herramientas analíticas en su cartera. Por ejemplo, saber cómo ha fallado un rodamiento no revela porque ha sucedido, puesto que el mismo problema puede deberse a diversas causas raíz. No obstante, al vincular la visión por IA con datos recopilados del monitoreo de condición y de sistemas de control de maquinaria, el equipo de expertos prevé automatizar y acelerar la solución del problema de causa raíz y resolver los retos de la confiabilidad.