La termografía infrarroja es una de las técnicas más usadas dentro del portafolio de MCM para detectar sobrecalentamientos, conexiones eléctricas deficientes o pérdidas de aislación en equipos críticos. Su interpretación, sin embargo, depende hoy en gran medida del criterio de un analista certificado: leer un patrón térmico exige distinguir una anomalía real de una diferencia de temperatura esperable por el diseño o la carga del equipo en ese momento.
Qué busca el proyecto
La línea de trabajo que MCM desarrolla junto al Departamento de Ingeniería Mecánica de la Universidad de Chile explora si un modelo de aprendizaje automático, entrenado con el historial de inspecciones termográficas reales de MCM, puede apoyar esa lectura: marcar automáticamente las zonas de una imagen térmica que se apartan del comportamiento esperado para ese tipo de equipo, y priorizar cuáles ameritan revisión de un analista antes que otras.
El objetivo no es reemplazar el criterio del especialista certificado, sino darle una primera lectura automatizada sobre volúmenes de imágenes que, en una faena grande, pueden ser considerables. Esto es coherente con el enfoque más amplio que MCM viene desarrollando con PredictiveLab, de Calmly, para el diagnóstico online: usar inteligencia artificial como una capa adicional de atención, no como un reemplazo del analista.
Una alianza de largo aliento
Esta línea de investigación forma parte de una relación más amplia entre MCM y la Universidad de Chile, activa desde 2018, que ha permitido a la empresa mantener un vínculo constante entre la práctica de terreno del mantenimiento predictivo y el desarrollo académico en analítica de datos e inteligencia artificial aplicada a la industria. MCM seguirá reportando en esta sección los avances de este proyecto a medida que el modelo se valide con más datos operacionales.