Análisis de baterías y mantenimiento predictivo

Análisis de baterías y mantenimiento predictivo

batterie-dati-manutenzione-predittiva

El análisis de datos es la clave para optimizar el uso de la batería. Para una flota industrial, la eficiencia de tales dispositivos es crucial para el desempeño de todo el negocio. Kiwitron se preguntó cómo superar el problema del monitoreo efectivo de las anomalías en el comportamiento de la batería.

Le pedimos al departamento de ciencia de datos de la empresa que nos explicara el proyecto en curso sobre análisis de baterías y mantenimiento predictivo. A continuación se muestra la entrevista.

Análisis de batería: Sabemos que este es uno de los proyectos más importantes del momento. ¿Podrías describirlo en su generalidad?

A partir del análisis de datos de la batería, estamos desarrollando una implementación que conduce a la mantenimiento profético a través de la detección de anomalías. El proyecto nació en octubre: implica el desarrollo de nuevas funcionalidades de nuestro portal de lectura de datos Kiwisat para el cliente final.

Antes de la implementación del proyecto, los datos recopilados por elETS en las baterías se mostraban sin más indicaciones. Con el algoritmo de nuestro equipo de Data Science, podemos categorizar los datos y obtener mucha más información, que recopilamos dentro de modelos de Detección de anomalías. Con Detección de anomalías nos referimos a la identificación de los "perfiles promedio" de las señales provenientes de la batería, para identificar como anomalías aquellas señales que se desvían de estos perfiles promedio (los llamados parte aislada).

Por lo tanto, podemos responder a la pregunta: ¿la batería se comporta de manera diferente a lo habitual? Si la respuesta es afirmativa, en el futuro podremos insertar señales de advertencia para los operadores y en el sistema de gestión.

Lea también: El nuevo sistema de monitoreo de baterías eléctricas de Kiwitron

Los tipos de anomalías detectables por las soluciones Kiwitron

¿Qué tipos de anomalías podemos detectar?

En este momento, podemos reportar dos tipos de anomalías: las llamadas biberones batería -el hábito de cargar parcialmente repetidamente o sin esperar niveles adecuados de descarga- y los días que surgen comportamiento anormal. De hecho, al agrupar los días por grupo, los valores atípicos o las "excepciones" a la norma se identifican fácilmente. 

Por el momento, la anomalía detectada puede ser un signo de comportamiento tanto positivo como negativo. Una idea para el futuro podría ser enviar una notificación de comportamiento anormal al usuario, quien puede decidir si aceptar o rechazar.

Además, si bien por ahora realizamos el análisis de las baterías con respecto al uso de un mismo dispositivo durante un período de tiempo, en un futuro cercano podríamos comparar el comportamiento de diferentes baterías con respecto a otras vestimentas.

Mantenimiento predictivo: el análisis de datos es una herramienta fundamental para poder planificar intervenciones ad hoc antes de que surjan problemas. También gracias al proyecto Kiwitron de Detección de anomalías en baterías, nos acercamos al objetivo de un mantenimiento cada vez más específico.

Ciertamente, la detección de anomalías en el uso y comportamiento de las baterías es un paso fundamental en la dirección del mantenimiento predictivo, y no solo: de todas aquellas prácticas que apoyan la prevención de riesgos, la el ahorro de energía y recursos, el uso eficiente de los medios. Al identificar anomalías en el comportamiento de los dispositivos, incluidas las baterías, podemos informar cualquier uso incorrecto del vehículo y prevenir daños.

 

Una respuesta

  1. oferta, Kiwitron ha desarrollado para el software Kiwisat un sofisticado algoritmo de detección de anomalías y comportamientos incorrectos en el uso de las baterías de los [...]

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *