Registro de Fallas

Cada falla registrada mejora las predicciones del sistema. Rela AI captura automáticamente el estado de los sensores al momento de la falla y usa esta información para calibrar el modelo.

¿Para qué sirve?

• Convertir cada intervención en información que el modelo predictivo usa para ser más preciso.
• Separar las predicciones que se cumplieron de las que eran falsas alarmas.
• Alimentar el ciclo "predecir → intervenir → confirmar → re-entrenar" que hace que el sistema evolucione.

¿Cómo funciona?

1. Detección: Un técnico o el sistema detecta una falla
2. Registro: Se registra con tipo, descripción y partes dañadas
3. Captura automática: Rela guarda las últimas 24h de datos de sensores
4. Reentrenamiento: Con 3+ fallas del mismo tipo, el modelo se recalibra automáticamente
5. Mejora: La próxima predicción es más precisa

Registrar una falla

POST /api/v1/failure-events/{asset_id}
{
  "failure_type": "mechanical",
  "description": "Rodamiento delantero con desgaste",
  "root_cause": "Desalineación de 0.3mm",
  "parts_damaged": ["bearing_front", "seal_shaft"]
}

Tipos de falla

• mechanical — Fallas mecánicas (rodamientos, engranajes, ejes)
• electrical — Fallas eléctricas (bobinados, conexiones, aislamiento)
• hydraulic — Fallas hidráulicas (sellos, bombas, válvulas)
• pneumatic — Fallas neumáticas
• process — Fallas de proceso (SPC fuera de control)
• instrumentation — Fallas de instrumentación
• software — Fallas de software/control
• other — Otros tipos

Cierre de Ordenes de Trabajo

Cuándo un técnico cierra una OT, puede confirmar si la falla fue real:

POST /api/v1/tasks/{task_id}/close
{
  "findings": "Rodamiento con desgaste, desalineación 0.3mm",
  "actions_taken": "Rodamiento reemplazado, alineación corregida",
  "parts_replaced": ["bearing_front"],
  "failure_confirmed": true,
  "failure_type": "mechanical"
}

Si failure_confirmed: true, el sistema automáticamente:

• Registra la falla para retroalimentar el modelo
• Actualiza la fecha de último mantenimiento del equipo
• Verifica si se debe reentrenar el modelo (3+ fallas)

Beneficios clave

• Cada intervención alimenta el modelo predictivo del tenant — precisión que crece con el uso.
• Catálogo canónico de 8 tipos de falla alineado con el resto del pipeline predictivo.
• Captura automática de 24 h de telemetría alrededor del evento, sin trabajo manual del técnico.
• Reentrenamiento automático al acumular 3+ fallas del mismo tipo — el sistema aprende solo.
• Ciclo de feedback cerrado: predicción → intervención → confirmación → mejora de futuras predicciones.