BMW y su planta en Regensburg

BMW Group Planta Regensburg implementa un innovador monitoreo utilizando inteligencia artificial.

Gracias a este sistema utilizado en el área de ensamble es posible evitar interrupciones no planeadas antes de que ocurran. El mantenimiento predictivo es proactivo y preventivo – y esto es precisamente lo que ofrece este sistema de monitoreo inteligente. Los análisis basados en datos del equipo de transporte identifican y evitan de manera temprana fallas potenciales – manteniendo así un flujo óptimo de la producción de vehículos. El sistema, compatible con inteligencia artificial (IA), evita un promedio de aproximadamente 500 minutos de interrupciones por año en el ensamblaje de vehículos tan sólo en BMW Group Planta Regensburg. Para el área de ensamble en BMW Group Planta Regensburg, los vehículos generalmente están sujetos a soportes de carga móviles o a sistemas de deslizamiento, los cuales pasan a través de los pasillos de producción en una cadena. Cualquier falla técnica en los sistemas vanguardistas del transportador puede paralizar las líneas de ensamblaje – lo que requiere un mayor esfuerzo de mantenimiento y, por consiguiente, resulta en costos más elevados -.

Oliver Mrasek y sus colegas han trabajado en el monitoreo basado en datos de la tecnología del transportador durante los últimos seis años. Hoy en día, cerca del 80% de las líneas principales de ensamblaje ya son monitoreadas de esta manera. “No podemos detectar ni prevenir cada una de las fallas con antelación, por supuesto, pero actualmente estamos evitando por lo menos 500 minutos de interrupción al año tan solo en el ensamblaje de vehículos,” explica. Es fácil calcular cuánto suma esto. En BMW Group Planta Regensburg un vehículo sale de la línea de ensamblaje cada 57 segundos y el sistema ya se implementa en los sistemas del transportador en las Plantas de BMW Group Dingolfing, Leipzig y Berlín.

El objetivo es explotar aún más las posibilidades de la inteligencia artificial, donde el sistema aprende a calcular cuánto tiempo queda entre la detección de la falla y la interrupción potencial. Esto ayudará a los técnicos a decidir qué tan pronto necesitan realizar el mantenimiento y les permite establecer prioridades, en caso de ser necesario. Mrasek también ve otro potencial en otras áreas de la planta: “Actualmente estamos probando si podemos utilizar el sistema para el equipo utilizado para llenar nuestros vehículos con líquido de frenos y refrigerante, por ejemplo.”

Aunque ya hay varias opciones para mantenimiento de equipo predictivo, el sistema de aprendizaje integrado de Regensburg es, hasta ahora, el primero de su tipo. Por consiguiente, la compatibilidad con el mantenimiento predictivo ya se incluye en las licitaciones para tecnologías de transporte. Los fabricantes del equipo también están elogiando el sistema, ya que también se benefician de sus evaluaciones. BMW Group ya ha registrado dos patentes para su desarrollo interno.