Demo en viu
Manteniment predictiu: quan cal parar un motor abans que falli
En aquesta demo, cent motors d’avió simulats per la NASA serveixen per veure com funciona el manteniment predictiu. Un model d’IA, entrenat abans de publicar la demo, diu a cada cicle quanta vida li queda a cada motor i amb quin marge d’error, i l’app us ensenya quan hauria saltat l’avís, quan hauríeu pogut parar i quan va fallar de debò. Cap persona no ha revisat els resultats: l’error del model es mesura amb la vida real que publica la NASA.
Actualitzat el
S’obre en una pestanya nova. Es veu millor en un ordinador, amb el motor i la flota l’un al costat de l’altre.
Com fer-la servir
Obrir la demo- 1
Aneu a l’avís
Premeu «Anar a l’avís», o tireu el temps enrere, fins al cicle 170 del motor 81: és on hauria saltat l’avís. Aquell dia el model deia que li quedaven 39 cicles, entre 28 i 51, i en quedaven 51. Cada cicle és un vol del motor.
- 2
Planifiqueu la parada
Premeu «Planificar la parada». Amb 10 cicles de marge, la proposta és parar al cicle 188, i el motor va fallar al 221: la parada hauria arribat 33 cicles abans. Podeu canviar el marge, fer-ne l’ordre de treball i baixar-la en un CSV o al calendari.
- 3
Obriu «Com de bé encerta»
Al mòbil, la pestanya es diu «Encert». Hi ha l’error del model amb els 100 motors de prova, motor a motor, i els cinc que més s’equivoquen per cada banda. Toqueu el motor 67 per veure el pitjor.
El que encerta i el que no
Les xifres surten de comparar l’estimació de l’últim cicle dels 100 motors de prova amb la vida real que publica la NASA. El model no havia vist mai aquests motors.
- 11,0
cicles d’error, de mitjana
- 83
motors de 100 a 20 cicles o menys de la vida real
- 79
motors de 100 amb la vida real dins de la banda del 80 %
- 7
motors de 100 en què el model és optimista per més de 20 cicles
L’error que més pesa és l’optimista: dir que a un motor li queda més vida de la que té. El pitjor és el motor 67, que només té 71 cicles d’història. El model no hi veu res estrany i diu que li queden 119 cicles, entre 103 i «125 o més», però en quedaven 77. I entre 25 i 100 cicles abans de fallar, el model tendeix a ser una mica optimista, de 7 a 10 cicles de biaix. Per això l’avís es fa amb l’extrem baix de la banda, no amb l’estimació central.
L’estimació no hauria de decidir sola: l’avís diu quin motor cal mirar, i qui porta el manteniment decideix si el para. Un motor amb poca història, o un avís que es queda encès mentre el model torna a veure marge, com el del motor 46, l’ha de mirar una persona.
Qui ha fet cada pas
-
Triar les dades
Una IA
Una IA ha triat aquest conjunt de dades de la NASA. N’ha descartat dos de rodaments del mateix repositori: un tenia massa poques màquines per fer una flota, i de cap dels dos no consta amb quina llicència es poden fer servir.
-
Estimar la vida restant
Un model d’IA, abans de publicar
Un model d’aprenentatge automàtic (un gradient boosting de scikit-learn), entrenat el 3/11/2026 amb els 20.631 cicles dels 100 motors que funcionen fins que fallen. A cada cicle només fa servir el que ha passat fins aleshores. Les estimacions es van desar en fitxers: a la demo no hi ha cap IA en directe.
-
La banda, l’avís i la parada
Un càlcul
La banda surt de l’error del model amb motors que no havia vist. L’avís salta quan l’extrem baix de la banda arriba a 30 cicles, i la parada és el cicle d’avui més la vida que el model veu com a mínim, menys el marge que trieu. L’avís, la parada, la data i l’ordre de treball es calculen al vostre navegador.
-
Comprovar com encerta
Un càlcul
L’estimació de cada motor de prova es compara amb la vida real que li quedava, segons la NASA.
-
La revisió d’una persona
Ningú, de moment
Cap tècnic de manteniment no ha revisat els resultats, i el model no s’ha provat amb cap màquina de debò.
D’on surten les dades
Són 200 motors d’avió simulats amb el programa C-MAPSS de la NASA, no màquines d’una fàbrica: 100 que funcionen fins que fallen, amb què s’ha entrenat el model, i 100 que s’aturen abans de fallar, amb la vida que els quedava, amb què es comprova com encerta. De cada cicle hi ha 21 sensors, i la demo en fa servir els 14 que canvien. Les dades no tenen dates: la de la parada és d’exemple. La NASA no ha participat en aquesta demo ni la recolza.
-
A. Saxena i K. Goebel (2008). «Turbofan Engine Degradation Simulation Data Set» (C-MAPSS), subconjunt FD001. NASA Prognostics Data Repository, NASA Ames Research Center
- Llicència
- Sense llicència indicada («License not specified», a data.nasa.gov); és obra del Govern dels EUA
- Què n’hem fet
- Les temperatures s’han passat de graus Rankine a graus Celsius, les pressions de psia a bar i els cabals de lbm/s a kg/s, i el nom de cada sensor s’ha traduït al català. Els valors dels sensors i la vida real de cada motor són els de la NASA, sense cap altre canvi. Les estimacions, l’índex de salut, la banda i els avisos són calculats.
Preguntes sobre la demo
Això serveix per a les màquines d’una fàbrica?
La demo, tal com és, no: són motors d’avió simulats, amb un sol tipus d’avaria i les mateixes condicions de treball. Amb les màquines d’una fàbrica, el punt de partida és el mateix: l’historial dels sensors i el registre de les avaries i les parades, amb les dates. Si no es desa, el primer pas és començar a desar-lo.
Quantes avaries cal haver tingut perquè el model aprengui?
En aquesta demo, el model aprèn de 100 motors que van funcionar fins que van fallar, 20.631 cicles en total. Quantes en caldrien amb les vostres màquines, la demo no ho diu: depèn de les dades que tingueu, i és el primer que s’hauria de mirar.
L’avís arriba a temps?
Amb els 100 motors d’entrenament, cadascun estimat per un model que no l’havia vist, l’avís salta en tots abans que fallin: de mitjana, 43,3 cicles abans, i el que menys, 24. Són números d’aquests cent motors simulats, no una promesa per a les vostres màquines.
Hi ha IA en directe a la demo?
No. El model es va entrenar el 3/11/2026, abans de publicar la demo, i les estimacions de cada cicle es van desar en fitxers. L’app no entrena res ni llegeix cap sensor: al navegador només calcula l’avís, la parada, la data i l’ordre de treball.
Es connecta amb el nostre programa de manteniment?
No. L’ordre de treball es baixa en un CSV d’exemple, i la parada, en un fitxer de calendari, però no els hem provat amb cap programa. Connectar-ho seria part d’un projecte, i es provaria amb el vostre programari.
Per què el motor 81?
Perquè la història s’entén bé, i l’app ho diu sota el gràfic. Els que surten malament són a «Com de bé encerta»: el pitjor optimista és el motor 67, i el pitjor pessimista, el 45, a qui l’estimació dona uns 60 cicles menys dels que li quedaven.
Funciona al mòbil?
Sí, però es veu millor en un ordinador, amb el motor i la flota l’un al costat de l’altre. Al mòbil, tot va en una columna i el gràfic passa a dalt.
Altres demos d’aquest grup
Qualitat i manteniment
-
Control estadístic de procés
El gràfic de control i el Cpk de tres torns automàtics, amb les mesures públiques d’un estudi del NIST.
-
Traçabilitat i retirada d’un lot
Segueix el lot de sèsam d’una alerta europea real per les mescles, els palets i els albarans fins als clients, i en fa la llista de retirada.
On ho fem servir: IA sobre el vostre software Veure les 17 demos
Expliqueu-nos el vostre cas en trenta minuts.
Teniu màquines amb sensors i un registre de les avaries? Expliqueu a l’enginyer que portaria el projecte quines dades deseu ara, i mirarem junts si n’hi ha prou per començar i per on començaríem.
O escriviu a me@joansanfeliu.com
Preferiu escriure?
Expliqueu-nos el cas en quatre línies i us responem per correu.
Us contestarà l’enginyer que portaria el projecte, al correu que ens heu deixat. Si voleu, reserveu ja una trucada de trenta minuts.