{"id":21130,"date":"2021-07-20T11:11:13","date_gmt":"2021-07-20T09:11:13","guid":{"rendered":"https:\/\/www.teldat.com\/sin-categorizar\/21130\/mantenimiento-predictivo-en-ascensores-con-tecnologia-iot\/"},"modified":"2023-07-18T11:19:21","modified_gmt":"2023-07-18T09:19:21","slug":"mantenimiento-predictivo-en-ascensores-con-tecnologia-iot","status":"publish","type":"post","link":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/blog\/mantenimiento-predictivo-en-ascensores-con-tecnologia-iot\/","title":{"rendered":"Mantenimiento predictivo en ascensores con tecnolog\u00eda IoT"},"content":{"rendered":"

\"MantenimientoDurante el 2021, el crecimiento del mercado\u00a0IoT<\/strong>\u00a0ha estimulado la creaci\u00f3n de\u00a0nuevas f\u00f3rmulas de aplicaci\u00f3n de esta tecnolog\u00eda<\/strong>. Y por si fuera poco, las proyecciones, seg\u00fan varios analistas, sugieren . Para hacernos una idea de esa cifra es parecida a toda la producci\u00f3n bruta interna de Alemania y Jap\u00f3n juntos.<\/p>\n

Este espacio, en constante desarrollo para los fabricantes, supone una oportunidad para rentabilizar el esfuerzo en innovaci\u00f3n,\u00a0con soluciones que responden a desaf\u00edos actuales<\/strong>\u00a0como el\u00a0IoT aplicado al\u00a0<\/strong>mantenimiento predictivo de ascensores<\/strong><\/a>, resolviendo fundamentalmente el problema de\u00a0costes y eficiencia operativa, procesamiento y anal\u00edtica de datos en tiempo real<\/em><\/strong>\u00a0gracias al\u00a0edge computing.<\/em><\/p>\n

<\/h2>\n

Del mantenimiento reactivo de ascensores al modelo predictivo<\/h2>\n

Por un lado, la concentraci\u00f3n de personas en n\u00facleos urbanos y la movilidad eficiente dentro de estos, genera un impacto positivo en el volumen de la base instalada de ascensores y la forma en que los\u00a0fabricantes de ascensores<\/strong>\u00a0y las\u00a0empresas de mantenimiento<\/strong>\u00a0enfocan sus capacidades para\u00a0mejorar la calidad de servicio a sus clientes.<\/strong><\/p>\n

Tradicionalmente, los\u00a0mantenimientos de prevenci\u00f3n<\/em><\/strong>\u00a0suponen el tratamiento de calendarios y fechas de revisi\u00f3n en base a modelos estad\u00edsticos de n\u00famero de horas en funcionamiento del ascensor y estimaciones de detecci\u00f3n de fallos y vida \u00fatil. El problema que genera este tipo de mantenimiento es la\u00a0falta de monitorizaci\u00f3n del estado de salud del ascensor en tiempo real<\/strong>\u00a024 horas al d\u00eda, 7 d\u00edas a la semana. Esto supone las siguientes dificultades:<\/p>\n

    \n
  • Aumento<\/strong>\u00a0de n\u00famero de horas fuera del servicio del ascensor.<\/li>\n
  • Incremento de costes de desplazamiento<\/strong>\u00a0del personal t\u00e9cnico.<\/li>\n
  • Disminuci\u00f3n de la satisfacci\u00f3n de empresas cliente<\/strong>\u00a0que a su vez afecta al usuario final.<\/li>\n<\/ul>\n

    El mantenimiento predictivo de ascensores con tecnolog\u00eda IoT: caracter\u00edsticas<\/strong><\/h2>\n

    En\u00a0mantenimiento predictivo,<\/em><\/strong>\u00a0se introducen\u00a0modelos de aprendizaje basado en\u00a0IA machine learning<\/em><\/strong>\u00a0(aprendizaje autom\u00e1tico) y una serie de componentes que para este caso de uso pueden ser:<\/p>\n

      \n
    • Sensor edge,<\/strong>\u00a0encargado de recopilar, analizar y enviar diversos datos de aceleraci\u00f3n que reflejan las principales actividades del ascensor en su conjunto, as\u00ed como su recorrido y horas de funcionamiento.<\/li>\n
    • Plataforma que predice y reacciona ante los datos<\/strong>\u00a0hist\u00f3ricos acumulados, haciendo un mantenimiento programado de inteligencia artificial.<\/li>\n<\/ul>\n

      Este entorno de computaci\u00f3n en el borde se apoya en\u00a0un menor consumo de energ\u00eda, ancho de banda y tiempo de respuesta<\/strong>, acercando el procesamiento de la informaci\u00f3n al origen del dato (antes de viajar a la nube) de forma descentralizada al borde de la red. Es decir,\u00a0las organizaciones pueden recibir y analizar datos procesados en tiempo real,<\/strong>\u00a0mejorando la monitorizaci\u00f3n de telemetr\u00eda de la base, posicionamiento y detecci\u00f3n de fallos.<\/p>\n

      Como consecuencia, la baja latencia de procesamiento de datos mejora de forma exponencial los procesos internos de las empresas y su capacidad de trabajo:<\/p>\n

        \n
      • Al disponer de esa visibilidad del parque, el fabricante o empresa de mantenimiento reduce dr\u00e1sticamente sus costes OPEX.<\/strong>\u00a0Reducci\u00f3n de tiempos respecto a ascensores fuera de servicio.<\/li>\n
      • Impacta en la generaci\u00f3n de valor en servicio al cliente,<\/strong>\u00a0por ejemplo, con actualizaciones del sistema de forma remota o a trav\u00e9s del m\u00f3vil por los t\u00e9cnicos, env\u00edo de alertas y el dise\u00f1o de nuevos modelos predictivos gracias al hist\u00f3rico de datos de APIs intuitivas, etc.<\/li>\n
      • <\/li>\n<\/ul>\n

        \"predictive<\/p>\n

        Image 1: Cuatro pasos del mantenimiento predictivo<\/p>\n

         <\/p>\n

        Es previsible esperar que este segmento de industria inteligente y el manejo de grandes vol\u00famenes de datos mejorar\u00e1 las\u00a0t\u00e9cnicas de explotaci\u00f3n de datos generados en orige<\/strong>n que\u00a0aportan valor al ecosistema IoT<\/strong>\u00a0de los proyectos que despliegan o tienen en\u00a0roadmap<\/em>\u00a0implementar.<\/p>\n

        En\u00a0Teldat,<\/strong>\u00a0las \u00e1reas de innovaci\u00f3n y producto IoT trabajan constantemente en la investigaci\u00f3n, dise\u00f1o y lanzamiento de\u00a0<\/strong>nuevas soluciones al mercado<\/strong>\u00a0que responden a necesidades reales de clientes, con una elevada exigencia tecnol\u00f3gica para optimizar sus costes operativos y, por tanto, rentabilizar sus inversiones (ROI) a corto plazo en su cuenta de resultados.<\/p>\n","protected":false},"excerpt":{"rendered":"

        Durante el 2021, el crecimiento del mercado\u00a0IoT\u00a0ha estimulado la creaci\u00f3n de\u00a0nuevas f\u00f3rmulas de aplicaci\u00f3n de esta tecnolog\u00eda. Y por si fuera poco, las proyecciones, seg\u00fan varios analistas, sugieren . Para hacernos una idea de esa cifra es parecida a toda la producci\u00f3n bruta interna de Alemania y Jap\u00f3n juntos. Este espacio, en constante desarrollo para […]<\/p>\n","protected":false},"author":191,"featured_media":20397,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[1172],"tags":[1063,1123],"class_list":["post-21130","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-industrial-es","tag-comunicacion-m2m","tag-iot-es"],"acf":[],"wpml_current_locale":"es_ES","wpml_translations":[{"locale":"en_US","id":20390,"slug":"predictive-elevator-maintenance-machine-learning-ai-edge-computing","post_title":"Predictive maintenance in elevators via IoT","href":"https:\/\/teldatnwp-dev.azurewebsites.net\/predictive-elevator-maintenance-machine-learning-ai-edge-computing\/"}],"_links":{"self":[{"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/posts\/21130","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/users\/191"}],"replies":[{"embeddable":true,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/comments?post=21130"}],"version-history":[{"count":0,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/posts\/21130\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/media\/20397"}],"wp:attachment":[{"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/media?parent=21130"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/categories?post=21130"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/teldatnwp-dev.azurewebsites.net\/es\/wp-json\/wp\/v2\/tags?post=21130"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}