La plataforma Tractian utiliza modelos de inteligencia artificial que aprenden continuamente de los datos capturados. Este aprendizaje se actualiza de manera controlada, basándose en feedbacks de clientes, eventos operativos y, en algunos casos, ajustes manuales. Comprender cómo y cuándo se ajusta el modelo es esencial para interpretar correctamente los insights generados (o no generados).
Feedback del Cliente
El feedback proporcionado sobre un insight es la forma más directa de interactuar con la IA. Ayuda a calibrar la sensibilidad de las alertas y ajustar el comportamiento del modelo según la operación real del activo.
Al hacer clic en "Comprobar" sobre un insight, el cliente accede a diferentes tipos de evaluación. Cada tipo tiene una función específica: algunos ajustan el aprendizaje de la IA, otros solo registran la situación.
Feedbacks que ajustan el aprendizaje:
Ajuste de Proceso: indica que el comportamiento detectado es resultado de un cambio planificado en el proceso. La IA aprende este nuevo patrón como el nuevo comportamiento saludable del activo.
Sin Falla: indica que el insight fue un falso positivo. El patrón se aprende como comportamiento normal.
Cambios en el Sensor: indica que el patrón fue alterado por un cambio en la instalación o en la posición del sensor. En estos casos, la IA siempre será reentrenada.
Sustitución del Activo: informa que el activo o sus componentes principales fueron reemplazados por completo. La IA pasa a aprender la firma operativa única del nuevo equipo. Por ejemplo, al cambiar un motor, crea un evento de mantenimiento registrando el reemplazo e incluye detalles como el identificador del modelo. Luego, reentrena la IA para que aprenda el nuevo comportamiento operativo del equipo.
Feedbacks que no ajustan el aprendizaje:
Falla Potencial: el activo no está en falla, pero debe seguir siendo monitoreado. No se realiza ningún ajuste de aprendizaje.
Falla Funcional: confirma que el insight era correcto. No es necesario reentrenar.
Eventos que Disparan el Reentrenamiento de la IA
Importante: Para más información sobre la creación de Eventos, consulta este artículo.
Algunos cambios operativos o de hardware impactan significativamente los datos de vibración capturados y, por eso, disparan automáticamente el reentrenamiento de la IA. Una documentación adecuada de los eventos de mantenimiento en Tractian garantiza que el sistema mantenga un historial preciso de los cambios realizados en los activos. Esto es esencial para:
Actualizar el modelo de IA para reflejar los nuevos patrones operativos.
Evitar puntuaciones de salud incorrectas causadas por baselines desactualizadas.
Mantener un registro claro del historial del activo para consultas futuras.
A continuación, los principales eventos que generan este comportamiento:
Cambio de Sensor
Sensores diferentes, incluso del mismo modelo, pueden presentar pequeñas variaciones en la respuesta en frecuencia o en la rigidez de montaje. Esto rompe la consistencia de los datos anteriores y exige reentrenamiento.
Cambio en la Rotación en la Ficha Técnica
La rotación registrada se utiliza como referencia para identificar las frecuencias relacionadas con la máquina. Modificar este valor afecta directamente los algoritmos de análisis de fallas, por lo que requiere ajuste del modelo.
Parada Programada (Mantenimiento)
Durante los mantenimientos, es común que los sensores sean reposicionados o que se reemplacen piezas del activo. Esto puede alterar drásticamente el comportamiento vibratorio. En estos casos, la IA espera entre 5 y 7 días antes de reaprender, para garantizar que el nuevo comportamiento sea estable.
Ajuste de Proceso
Cambios operativos como alteraciones en la carga, la velocidad o el modo de uso del activo impactan el patrón vibratorio. La IA aprende este nuevo comportamiento como la nueva operación "normal".
Cómo documentar estos eventos
Importante: Para más información sobre la creación de Eventos, consulta este artículo.
Para documentar los eventos de manera efectiva, sigue estos pasos:
Accede al activo en la plataforma — navega hasta el activo específico (por ejemplo, motor o jerarquía de equipos) al que está asignado el sensor.
Abre la Línea de Tiempo o la sección de Eventos del activo — ubica la sección donde se registran los eventos.
Crea un nuevo evento — selecciona un tipo apropiado, como "mantenimiento" o "sustitución de componente".
Proporciona descripciones detalladas — incluye información específica sobre el mantenimiento realizado, como:
Tipo de mantenimiento (ej.: cambio de motor, cambio de rodamiento).
Identificadores del modelo anterior y del nuevo, cuando aplique.
Marca el evento como "sin falla" cuando corresponda.
Guarda el evento — confirma el registro para que se actualice el historial del activo.
Ejemplos de Escenarios de Mantenimiento
Escenario 1: Cambio de Motor
Acción: crea un evento de mantenimiento registrando el cambio del motor e incluye detalles como el identificador del modelo.
Siguiente paso: reentrena la IA para que aprenda el nuevo comportamiento operativo del motor.
Escenario 2: Puntuación de Salud Baja Después de Cambio de Rodamiento
Problema: una puntuación de salud baja puede deberse a diferencias en el patrón vibratorio antes y después del mantenimiento.
Solución: crea un evento de mantenimiento y reentrena la IA para que se adapte a las nuevas condiciones de baseline.
Reentrenamiento de IA desde la Pestaña de Activos
Puedes seleccionar directamente el activo para el cual deseas reentrenar la IA. Sigue estos pasos:
Accede a la pestaña "Activos".
Selecciona el activo.
Desliza el contenido hasta encontrar la sección "Control de IA".
Haz clic en "Reentrenar Modelo."
Elija entre Velocidad y Aceleración.
Luego, deberás seleccionar un período que contenga al menos 100 muestras con la máquina en funcionamiento, cubriendo entre 5 y 30 días de operación.
Ajusta las fechas hasta alcanzar el intervalo ideal, medido por el número de muestras y días mostrados en el lado derecho.
