IA y análisis de datos para el mantenimiento predictivo del sistema de bombeo de aguas residuales

Compartir por correo electrónico

Conferencia Internacional sobre el Rendimiento de los Activos 4.0 se celebrará del 15 al 17 de septiembre de 2020 en Bélgica. En esta ocasión, varias empresas se han unido para organizar un Hackathon. Entre ellas está Aquafin, un especialista flamenco en el tratamiento de aguas residuales. Su objetivo es mejorar la gestión del mantenimiento diario de sus estaciones de bombeo, utilizando datos combinados con inteligencia artificial. La empresa propone así a los participantes encontrar el mejor algoritmo posible predecir los riesgos de fallo de sus bombasy/o proporcionar un sistema de visualización de datos, todo ello basado en los datos de cuatro estaciones de bombeo a lo largo de todo el año 2019, incluyendo un historial de intervenciones de mantenimiento, y datos de flujo de agua de las bombas y de intensidad de los motores hidráulicos. Este reto nos brinda la oportunidad de confrontar el trabajo de investigación CARL|Berger-Levrault sobre IA para la gestión de equipos con datos de la vida real. Los preprocesamos y luego constituimos episodios de funcionamiento en forma de ventanas de tiempo.

Agrupación del comportamiento de las estaciones de bombeo

Una de las principales dificultades de la IA es visualizar los datos de forma adecuada. Proyectamos los datos en espacios multidimensionales, para encontrar correlaciones e identificar conjuntos representativos de estados normales o anormales. De hecho, estamos explorando el uso de la matriz de co-ocurrencia para descubrir correlaciones y extraer características de los datos en bruto.

Como se muestra en este vídeo, animamos los datos para entender su dinámica y así observar, modelar y comprender la transición de un estado normal a un estado anormal: así es como podemos anticipar y predecir los fallos. Este método permitirá a los técnicos de Aquafin que trabajan en las bombas visualizar el estado de salud de las mismas para poder actuar en consecuencia si los datos mostraran alguna vez un comportamiento anormal.

Este trabajo no es específico de las estaciones de bombeo: se adapta a un gran número de equiposindependientemente del ámbito. También se están estudiando numerosas mejoras, en particular para automatizar al máximo el proceso de creación de estas correlaciones, así como la detección de fallos. 

Más ...

Ir arriba