
Objetivo:
Monitorear la condición del equipo y anticiparse a posibles modos de falla, optimizando la operación y mantenimiento preventivo.
Alcance:
El proyecto cubrió el banco de autotransformadores de la subestación Altamira 230kV, utilizando un enfoque de modelado predictivo.
Hipótesis Evaluadas:
Durante el piloto se probaron varias hipótesis clave:
- El gemelo analítico ayudaría a encontrar correlaciones entre variables operativas y de condición, anticipándose a fallas.
- Incorporar nuevas reglas de negocio basadas en los hallazgos del modelamiento.
- Combinar las reglas de negocio existentes con las metodologías de Uptime Analytics.
- El Gemelo Analítico podría estimar variables en periodos sin datos, asegurando monitoreo continuo.
- En condiciones donde los equipos no presentan fallas recientes, el piloto se consideraría exitoso si se identifica una tendencia de aumento en variables críticas, anticipándose a futuros fallos.

Resultados:
El piloto concluyó con la implementación exitosa de modelos de inteligencia artificial para predecir variables de condición, permitiendo un monitoreo más preciso y preventivo. Estos avances marcan un paso significativo hacia la optimización del mantenimiento y operación de los equipos, mejorando la confiabilidad del sistema eléctrico.
Este logro abre nuevas posibilidades para seguir integrando tecnologías avanzadas en el monitoreo y mantenimiento de infraestructuras críticas, garantizando un mejor desempeño y menor tiempo de inactividad.