Este proceso
implica la creación de una vida, el aprendizaje de una réplica
virtual de un activo físico y su uso para estructurar los datos
a partir de las mediciones de sensores para proporcionar información
basada en la física sobre la condición actual del activo.
También da predicciones sobre su condición futura.
Al usar un
gemelo digital predictivo, los equipos de activos pueden adoptar un enfoque
de monitoreo inteligente para mejorar la inspección basada en riesgos
donde los datos interpretados del modelo se utilizan para informar el enfoque
de los planes de inspección de activos.
Al combinar
los dos, las costosas inspecciones de rutina se reemplazan con las inspecciones
basadas en datos para reducir significativamente los costes.
La adición
de análisis predictivo permite que el mantenimiento se transforme
de la misma manera. Al anticipar anomalías y abordarlas antes de
que ocurran, se minimiza el mantenimiento innecesario y se mejora la confiabilidad
de los activos.
Cada compañía
que construye gemelos digitales de estructuras o equipos lo hace usando
un método numérico llamado análisis de elementos finitos.
Se ha utilizado tradicionalmente en el modelado de piezas de automóviles,
bombas y compresores, pero se limita a los activos de modelado a gran escala.
El algoritmo
realiza simulaciones 1.000 veces más rápido, lo que permite
el detalle y la precisión de escala ilimitada, y también
la calibración de las simulaciones basadas en sensores en el activo.
En el sector
hay dos proyectos en curso con Shell. El proyecto es conocido como reanálisis.
Hoy, los nuevos análisis tomarían la forma de una inspección
para determinar el grosor de las placas y para comprender el estado y estos
resultados se incluirían en un programa de software. Comenzarían
a ejecutar las cosas a través de meses de cálculos para regresar
con un informe. Ellos estiman en miles de horas de ingeniería para
hacer eso. Sin embargo, lo que se está haciendo con ellos es poner
todo esto en una vía digital donde habrá muy poca intervención
humana, y se hará en 48 horas.
Eso nos da
un modelo del activo basado en la condición, entonces el siguiente
paso es ejecutar cientos de casos de carga de intensidad de onda, dirección
de onda, etc. Para cientos de casos de carga, podemos entender qué
es probable que suceda con el activo durante un período determinado.
Todo esto redujo el trabajo de meses a 48 horas, pero con mucha mayor precisión.
Según los técnicos, la precisión sería al menos
10 veces mejor que cualquier otro sistema utilizado actualmente.
|