La detección de anomalías y la vida útil remanente responden preguntas distintas. La primera dice que algo ha cambiado. La segunda dice cuánta vida queda y con cuánta seguridad. La mayoría de las demostraciones enseñan la primera mientras la presentación comercial habla de la segunda, y la diferencia solo se hace visible cuando planificación de mantenimiento intenta usar la salida. Seis criterios, cada uno con su pregunta.
Aquí no se nombra ningún producto, tampoco el nuestro. La advertencia va al final.
1. Nivel de componente o nivel de armario
En un inversor los módulos de potencia, los condensadores del bus de continua, los ventiladores y los contactores envejecen por mecanismos distintos y a velocidades distintas. Un único índice de salud para el armario esconde el componente que va a fallar primero, que es el único sobre el que se puede actuar. Pide la lista de componentes cubiertos y contrástala con tu propio histórico de averías, no con el folleto.
Pregunta: qué componentes se modelan de forma individual y cuáles no se modelan en absoluto.
2. Detección de anomalías o modelo de degradación
Un modelo de degradación convierte el histórico de operación en vida consumida a través de un mecanismo conocido: el ciclado térmico en fatiga de soldadura con Coffin-Manson, la temperatura en envejecimiento del electrolito con Arrhenius, una serie irregular de temperatura en ciclos con conteo rainflow. La detección de anomalías compara el presente con el pasado y marca una desviación. Las dos sirven. Solo la primera produce una vida útil remanente que se pueda meter en un plan.
Pregunta: si la salida es una puntuación de desviación o una vida remanente, y si es una vida remanente, qué mecanismo de degradación la produce.
3. Qué datos necesita, con qué resolución y cuánto histórico
La frecuencia de muestreo decide qué es visible. Los promedios de diez minutos esconden los ciclos térmicos que causan la fatiga, así que un modelo que dice contar ciclos a partir de datos promediados los está reconstruyendo, y conviene preguntar cómo. Luego está el arranque en frío: muchos sistemas no dicen nada útil hasta haber visto un año de operación, lo que importa si la flota que más te interesa cubrir es la que acabas de poner en marcha.
Pregunta: qué frecuencia de muestreo y cuántos meses de histórico hasta la primera salida utilizable, y qué hace el sistema mientras tanto.
4. Si el horizonte encaja con tu ciclo de planificación
Un aviso que llega dos semanas antes del fallo vale muy poco si la pieza tiene diez semanas de plazo y al emplazamiento se va una vez por trimestre. Alinea el horizonte de predicción con el plazo de suministro, la disponibilidad de cuadrilla y las paradas programadas antes de mirar ninguna cifra de precisión. Y exige un intervalo: una fecha suelta, sin probabilidad asociada, no se puede planificar.
Pregunta: a qué horizonte se da la estimación, con qué incertidumbre y cómo se compara eso con mis propios plazos.
5. La tasa de falsas alarmas en el punto de operación
La precisión global es la métrica equivocada cuando los fallos son raros: un modelo que predice que nunca falla nada acierta casi siempre. Lo que importa es la precisión y la cobertura en el umbral que de verdad vas a usar, y quién fija ese umbral. Una cuadrilla que se desplaza tres veces para nada deja de creerse el cuarto aviso, y ese es un coste real que ningún proveedor mete en la oferta.
Pregunta: en el umbral recomendado, cuántos avisos por cada cien equipos y año y qué fracción de ellos era real, sobre datos que el modelo no había visto.
6. Aprendizaje de flota, y qué pasa con tus equipos raros
Los modelos que aprenden de toda una flota mejoran según crece, lo que es una ventaja hasta que llegas a los dos equipos de un modelo antiguo que no tiene nadie más. Pregunta qué pasa ahí, y pregunta qué pasa cuando una actualización de firmware cambia el significado de una señal. Después pregunta dónde aterriza la salida: en una orden de trabajo del sistema de mantenimiento, en una reclamación de garantía con la evidencia adjunta, o en un cuadro de mando que alguien tiene que acordarse de abrir.
Pregunta: cómo se comporta el sistema con un modelo del que hay muy pocas unidades en la flota, y por dónde llega su salida al sistema de mantenimiento.
Cómo montar la comparación
Elige de tu propio histórico un periodo que contenga al menos un fallo real, retíralo y pide a cada candidato que trabaje a ciegas sobre los datos anteriores. Guárdate las fechas de los fallos hasta tener las respuestas. Puntúa contra la práctica actual, sea un calendario fijo o la reacción a alarmas, y cuenta las falsas alarmas con el mismo cuidado que los aciertos. Un proveedor que se encuentra cómodo con una prueba ciega sobre tus datos ya te está diciendo algo antes de que lleguen los resultados.
Advertencia
Nosotros construimos uno de estos sistemas, InverterAI. Los criterios de arriba son los que querríamos que un comprador nos aplicara, incluidos los de falsas alarmas y arranque en frío.