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: 

  1. El gemelo analítico ayudaría a encontrar correlaciones entre variables operativas y de condición, anticipándose a fallas. 
  1. Incorporar nuevas reglas de negocio basadas en los hallazgos del modelamiento. 
  1. Combinar las reglas de negocio existentes con las metodologías de Uptime Analytics. 
  1. El Gemelo Analítico podría estimar variables en periodos sin datos, asegurando monitoreo continuo. 
  1. 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.