Partir de lo que sabemos del activo, no de una hoja en blanco.
Un Blueprint describe cómo se observa un modo de fallo en un tipo de activo: señales necesarias, parámetros, el patrón de degradación esperado (tendencia creciente, deriva del residuo, error de seguimiento, asimetría, velocidad de decaimiento, señal plana), los modos de fallo vinculados y los motores de análisis adecuados. Se clona en muchas unidades y se adapta a cada planta. Hoy: cientos de Blueprints para eólica, solar e hidráulica, definidos sobre la base FTA y sobre una taxonomía de 192 tipos de componente al estilo de ISO 14224.
Ejemplo. El Blueprint “rodamientos del generador” de un aerogenerador ya sabe qué temperaturas se necesitan, frente a qué condiciones de carga y ambientales, y cómo es la degradación esperada. Aplicarlo a cincuenta aerogeneradores requiere un mapeo de tags, no cincuenta proyectos.
Bombas, motores, compresores y otras máquinas industriales: los mismos motores de análisis y el asistente de Blueprints construyen su Blueprint sobre sus datos, bajo proyecto.
Distinguir una emergencia de un riesgo gestionable.
Cada señal de degradación está vinculada a su modo de fallo y al árbol de fallos del activo (271 nodos de fallo en el catálogo). Las matrices de riesgo ponderan seguridad, medio ambiente y continuidad del servicio; los conjuntos mínimos de corte muestran qué eventos básicos conducen al fallo del sistema.
Ejemplo (ilustrativo). En un grupo hidráulico, la temperatura de un cojinete guía sale de su banda. Sibilla muestra con qué modo de fallo se relaciona, dónde se sitúa en el árbol hasta el disparo del grupo y cuánto pesa en seguridad, medio ambiente y continuidad.
De los algoritmos a un semáforo que cualquier técnico de mantenimiento entiende.
Los Key Diagnostic Indicators (KDI) convierten los resultados de los modelos en un estado verde, ámbar o rojo para cada modelo, con histórico interactivo, valores previstos frente a reales, bandas de confianza, una puntuación de similitud con el patrón de degradación esperado y un registro de cada ejecución.
Ejemplo (ilustrativo, datos simulados). La multiplicadora de un aerogenerador pasa a ámbar. Abra el histórico: la temperatura del aceite lleva diez días fuera de su banda prevista, con el mismo viento y la misma potencia.
El modelo adecuado para cada señal. Y datos en los que confiar.
Un catálogo de 14 motores de análisis, desde modelos estadísticos hasta deep learning, verificados antes de su uso en campo: en campo solo ejecutamos lo que ha superado la verificación (hoy, regresión, desviación respecto a la línea base y comparación entre unidades gemelas). Cada modelo informa de bandas de confianza y métricas de error. Antes de los modelos, el panel de calidad de datos revisa cada punto de medida: datos ausentes, congelados, duplicados o fuera de rango.
Ejemplo. Un sensor de temperatura “congelado” en un inversor lleva tres días devolviendo el mismo valor. Sibilla lo marca como un problema de datos, no como un fallo, y evita una falsa alarma.
Cada alarma lleva a una decisión informada.
El ciclo del mantenimiento predictivo: adquisición → calidad de datos → modelos → KDI → modo de fallo y riesgo → decisión del experto. El peor estado entre los modelos de un activo alimenta el panel Asset Health y el calendario de eventos.
Ejemplo. El KDI de un rodamiento pasa a rojo; la página del activo muestra el modo de fallo vinculado, las señales fuera de banda y el riesgo. El responsable de mantenimiento decide la inspección.
- Disponible
KDI, árboles de fallos, Asset Health
- Bajo proyecto
Inspecciones sugeridas a partir del árbol de fallos; apertura de avisos en su CMMS/ERP (SAP PM y otros)
La IA explica, el experto decide.
Sibilla expone sus funciones a través de una API REST y un servidor MCP, de modo que un asistente de IA puede leer los resultados ya calculados y describirlos con palabras sencillas (por qué el KDI está en ámbar, qué señales han pesado más, qué revisar). La detección sigue siendo determinista y verificable; la IA explica, no decide.
Ejemplo (ilustrativo). “¿Por qué el rodamiento del generador está en ámbar desde el martes?” → una respuesta que nombra las señales que más han contribuido, con enlaces a los gráficos.
Disponible
