Mantenimiento Predictivo para Celdas de Prueba de Componentes
Desafío
Un fabricante global de equipos pesados opera bancos de prueba instrumentados — unos 70 sensores por celda — para validar un componente crítico de transmisión en una de sus plantas. Cuando una prueba se desvía, la pregunta costosa es si la falla está en la infraestructura del banco o en el componente bajo prueba — y cada parada no planificada del banco frena todo lo programado detrás.
El Compromiso
Brainiall fue contratada para construir un modelo predictivo de mantenimiento y un dashboard de monitoreo para las celdas de prueba, con cronograma de mayo a septiembre de 2026: del mapeo en campo al entrenamiento del modelo, despliegue del dashboard y validación en vivo — con reentrenamiento programado a medida que se acumulan los datos operativos.
Entregado hasta ahora
- Mapeo en sitio del banco y sus fuentes de datos
- Consolidación y tratamiento de todo el historial de telemetría
- Análisis estadístico y selección de las variables del modelo
- Ingeniería del conjunto de entrenamiento — premisas ratificadas con el liderazgo de mantenimiento del cliente en un checkpoint técnico conjunto
El entrenamiento del modelo está en curso, dentro del plazo.
El enfoque
En lugar de un único umbral global de alarma, los modelos aprenden baselines de comportamiento por variante directamente de la telemetría — las celdas prueban muchos modelos distintos de componente — y puntúan desvíos contra el baseline correcto, ayudando a separar firmas de la infraestructura del banco del comportamiento del componente.
Estado
Casi concluido: resultados finales a la espera de datos del cliente (septiembre de 2026).