¿Cómo comenzó su carrera en la industria de monitoreo de condiciones?
Empecé mi carrera con TEXACO en Venezuela hace 20 años. Mi trabajo era Rotating Equipment Inspector y yo era responsable de la Supervisión Basada en Condición (CBM) y Mantenimiento Predictivo (PdM) de varios equipos rotativos (Bombas, Compresores, Motores y Sopladores) para el principal Recurso de Petróleo del Mundo en Orinoco Río. En este momento, recibí varias capacitaciones en técnicas de monitoreo de condición, también interactué con varios fabricantes de estas tecnologías, y me di cuenta de las oportunidades disponibles en este campo. Algunos años más tarde comencé a trabajar con SKF (División de Monitoreo de Condiciones) y aprendí mucho sobre CBM/PdM, y sigo usando técnicas de monitoreo de condición, porque era el Ingeniero de Soporte Técnico, y descubrí más sobre estándares y tecnologías.
¿Qué lecciones aprendiste durante las primeras etapas de tu carrera que aún te parece valiosa?
Para ser un buen analista de monitoreo de condiciones debe conocer muy bien las maquinarias y cada uno de sus componentes. Conocer una maquinaria también es conocer todos los artículos de la lista de materiales, con detalles como materiales, características y función.
Avance rápido hasta hoy, ¿puede compartir conmigo acerca de su papel y responsabilidades?
Soy parte del maravilloso equipo de Chevron Downstream & Chemical, Una gran parte de mi trabajo es aumentar la disponibilidad mecánica y la rentabilidad de los equipos rotativos, así como optimizar su eficiencia. Con frecuencia utilizamos potentes herramientas para simular el comportamiento rotodinámico, termodinámico y fluodinámico, avanzar en técnicas de monitoreo de condición como análisis de vibración, análisis modal ODS, IR-termografía, Aerotransportado/Ultrasonido y Tribología/Análisis de aceite lubricante. A través de esto, podemos identificar los elementos de acción necesarios para la optimización.
¿Cuáles son algunas de las necesidades en su departamento o industria y por qué?
En mi departamento tenemos un excelente equipo de profesionales y técnicos, personas certificadas por Mobius Institute CAT IV en Vibraciones, así como en otras técnicas de CBM, hemos cerrado brechas en nuestras competencias, también hemos invertido en tecnologías. Actualmente estamos avanzando en la aplicación de herramientas de Inteligencia Artificial, pero necesitamos preparación en Análisis de Datos y la aplicación de algoritmos para diagnóstico y pronostico.
¿Qué tecnología de monitoreo de condición está más entusiasmado y por qué? ¿Qué diferencia le importa tu área?
Sin dudarlo me gusta más el análisis de vibraciones, por su capacidad de diagnóstico, aunque he aprendido con el tiempo que hay que combinarla con las otras técnicas de CBM y también cubrir variables de proceso para ser más efectivo en el diagnóstico y pronostico.
¿Cuáles son algunas de las tendencias de la industria que está notando en estos días?
La tendencia es hacia la aplicación de algoritmos de inteligencia artificial aplicados a variables de condición para diagnóstico y pronóstico, sin embargo, es importante destacar que no es posible tener éxito si no se tiene una base sólida en CBM y se debe contar con una arquitectura e infraestructura de recolección de datos.
¿Qué es lo más loco que has presenciado u oído en tu industria (puede ser aterrador, educativo, REAL)?
Algo que me ha sorprendido los últimos 2 años es ver Drones con Cámaras Infrarrojas volando por la planta, también un gran número de sensores inalámbricos recolectando datos, sin duda hemos avanzado a tener plantas monitoreadas de forma remota.
¿Explícame un poco la diferencia entre las técnicas de Predicción actual y las nuevas aplicando algoritmos de Machine Learning?
Primero entendamos que, a través del análisis de vibraciones, temperaturas, ultrasonido, análisis de lubricantes, obtenemos variables continuas que son mostradas en una gráfica de tendencias.
Las tendencias son el comportamiento de cada una de esas variables, las cuales pueden ser proyectadas en el tiempo para determinar y en algún momento estas pueden alcanzar su limite a alarma, es allí donde estamos aplicando la predicción, pero para ello hemos evolucionado y combinando el CBM con herramientas estadísticas y aplicado modelos de pronóstico como la Extrapolación lineal y logarítmica, hasta llegar hoy en día a la aplicación de algoritmos como la Regresión Lineal para hacer más robusta la predicción. Con todo lo anterior surge la aparición del RUL (Remaining useful life), el cual utiliza algoritmos más complejos como Redes Neuronales para Pronostico, utilizando las variables obtenidas con el CBM.
