El filtro de partículas diésel (DPF) es uno de los componentes más críticos del sistema de emisiones. Cuando se obstruye o falla, aumenta el consumo de combustible, se eleva la temperatura del motor y puede detener por completo el vehículo.
En DGI Solutions, junto a Uptake, utilizamos modelos predictivos basados en machine learning que analizan la diferencia de presión entre la entrada y la salida del DPF, correlacionándola con los intentos de regeneración activa del sistema.
Resultados del modelo
En este caso, el modelo detectó la falla con 7 días de anticipación respecto al primer código de error, y más de dos semanas antes de la falla real del componente.
Esa ventana de predicción permite:
-
Programar el mantenimiento antes de la detención.
-
Evitar daños secundarios por sobrepresión o exceso térmico.
-
Reducir consumo de combustible y emisiones.
Inteligencia que previene paradas
Gracias a la detección algorítmica, los equipos de mantenimiento pueden actuar antes del síntoma visible, reduciendo costos y tiempos fuera de servicio.
La predicción temprana también mejora la confiabilidad ambiental al mantener los sistemas de emisiones en su rango óptimo de funcionamiento.
Cada día anticipado es una detención menos.