En noviembre, la AEM celebró su Foro Multisectorial enfocado en los sectores de transporte y logística. En la línea de normalización de las actividades de la Asociación Española de Mantenimiento en sus formatos habituales, los tres Comités Técnicos de: Seguridad en Operaciones de Mantenimiento, Transporte & Logística y Fiabilidad en el Mantenimiento, decidieron retomar las actividades y eventos habituales, ya que la situación epidemiológica era favorable.
El foro contempló dos jornadas de trabajo intenso, desarrolladas en tres salas paralelas. La primera jornada estuvo orientada hacia temas generales de la operación y estrategias de mantenimiento, con especial énfasis hacia las filosofías predictivas y de pronóstico, piedras angulares en las que se apoya el presente y el futuro de la actividad. La segunda jornada dedicada a plantear y debatir aspectos actuales que inciden en cada uno de los tres sectores convocantes.
El poder del dato
El objetivo de la AEM en esta jornada fue mostrar la importancia del mantenimiento predictivo y la elaboración de pronósticos. Asimismo la tecnología jugó un rol relevante durante las ponencias, las empresas representadas expusieron cómo las tecnologías disruptivas aportan datos fundamentales para las tareas de mantenimiento. La irrupción de la tecnología 4.0 encamina al sector hacia una nueva generación de mantenimiento, ha puesto al alcance de todos el mantenimiento predictivo.
Las compañías pueden ahora simular fallos reales haciendo después un análisis de ingeniería, y esto es gracias a la digitalización, y al uso de gemelos digitales. Una de las mayores innovaciones que se resaltaron fue el aplicar esta tecnología de mantenimiento basado en modelos híbridos.
El sector tiene ahora una gran oportunidad de mejorar y avanzar, a través de la medición, de la recogida de datos, adelantándose a los problemas que puedan surgir. Este tipo de proyectos son un gran reto a abordar, que además resultan necesarios para sobrevivir, y deben hacerse con un equipo multidisciplinar, con técnicos que tengan un profundo conocimiento en análisis de datos.
Archivado en: