Eric Holzer, Uptake. Traducido por Roberto Trujillo Corona, Noria Latin America
Durante muchos años, el proceso de análisis de lubricantes, refrigerantes y combustibles para mejorar la confiabilidad y el mantenimiento de las máquinas se ha mantenido relativamente sin cambios. Por lo general se toman las muestras de un activo con una frecuencia regular y se envían a un laboratorio para su análisis. Los resultados son interpretados por expertos o por análisis simples basados en reglas, y se recibe un reporte.
El propietario del activo debe usar el reporte para decidir si toma algunas medidas o continúa con la operación normal. Aunque el análisis de laboratorio produce datos extremadamente valiosos, el proceso puede volverse algo engorroso y puede no proporcionar un espectro consistente de información profunda que los propietarios de los activos necesitan para mejorar el desempeño y la confiabilidad.
Hoy en día, el surgimiento de la inteligencia artificial (IA) y el aprendizaje automático está permitiendo la integración de todos los datos del laboratorio en una sola plataforma, así como la capacidad de ver los activos de una manera más profunda y más granular. Esto se traduce en una mayor comprensión que puede ofrecer una mejor precisión, consistencia y plazos de entrega que los métodos anteriores.