Mantenimiento preventivo vs. mantenimiento predictivo

Su estrategia de mantenimiento puede no ser lo primero que se le ocurra al pensar en el resultado final. Sin embargo, dado que la maquinaria, los equipos y los sistemas mantienen las empresas en funcionamiento, las estrategias de mantenimiento tienen un papel importante que desempeñar. Sin el debido cuidado y atención, las cosas se rompen, independientemente de si se trata de un transformador en una red eléctrica, un eje en un entrenar o un frigorífico en un restaurante.

Cuando los activos funcionan mal o no funcionan de manera óptima, puede haber problemas de seguridad e implicaciones financieras: el fabricante promedio pierde alrededor de 800 horas al año en tiempo de inactividad. Si a eso le sumamos el envejecimiento de las infraestructuras, la retención de personal, las restricciones presupuestarias y las presiones de sostenibilidad, es fácil ver por qué las empresas necesitan encontrar formas cada vez mejores de mantener los activos en buenas condiciones operativas.

Comprender y planificar cuándo es probable que falle su equipo puede impulsar una mayor eficiencia en las operaciones de producción, pero ¿cómo decide qué estrategia es la más rentable para usted? La decisión no es sencilla. Deben tenerse en cuenta múltiples factores, como su sector, el tipo y el uso del activo, lo caro que es reemplazarlo, la cantidad de datos correctos que tiene y el impacto que tendría un fallo en su negocio y sus clientes. No hay una solución única para todos los casos y la mayoría de las empresas optan por combinar diferentes estrategias de mantenimiento en sus portfolios de activos.

Las estrategias de mantenimiento reactivo, preventivo y mantenimiento predictivo son los enfoques de mantenimiento más utilizados. El mantenimiento reactivo (también llamado mantenimiento correctivo) es exactamente eso: reaccionar a las averías cuando se producen. Es adecuado para activos de bajo coste y no críticos que no plantean riesgos operativos o de seguridad si se implementa una estrategia de ejecución hasta el fallo.

El mantenimiento preventivo y predictivo son estrategias de mantenimiento proactivo que utilizan la conectividad y los datos para ayudar a los ingenieros y planificadores a corregir las cosas antes de que se rompan. Las estrategias predictivas van más allá y utilizan técnicas avanzadas de datos para prever cuándo es probable que las cosas salgan mal en el futuro. Ambas estrategias tienen como objetivo reducir el riesgo de problemas catastróficos o costosos.

Echemos un vistazo más de cerca a estos enfoques proactivos.

El mantenimiento preventivo utiliza planes de mantenimiento regulares para reducir las posibilidades de que un activo se averíe mediante la realización de tareas de mantenimiento rutinarias a intervalos regulares. Utilizando buenas prácticas y promedios históricos, como el tiempo medio entre fallos (MTBF), se planifica el tiempo de inactividad. Las estrategias de mantenimiento preventivo existen desde aproximadamente 1900 y se utilizan ampliamente desde finales de la década de 1950.

Se han desarrollado tres tipos principales de mantenimiento preventivo que implican llevar a cabo un mantenimiento regular, pero se programan de manera diferente y se adaptan a diferentes propósitos de operaciones comerciales.

• Los programas de mantenimiento preventivo basados en el uso basan el mantenimiento y las inspecciones futuras en el uso de los activos, como cambiar los neumáticos de su coche después de 50 000 millas.
• El mantenimiento preventivo basado en el calendario o en el tiempo establece intervalos de tiempo específicos para el mantenimiento, como el mantenimiento anual de la calefacción de su hogar.
• El mantenimiento basado en el estado crea programas basados en factores como el desgaste y la degradación de los activos.

En todos los tipos de mantenimiento preventivo, el tiempo de inactividad de la máquina se planifica con antelación y los técnicos utilizan listas de comprobación para comprobaciones, reparaciones, limpieza, ajustes, sustituciones y otras actividades de mantenimiento.

El mantenimiento predictivo se basa en la monitorización basada en el estado mediante la evaluación continua del estado de un activo. Los sensores recopilan datos en tiempo real y se introducen en la gestión de activos habilitada para IA, los sistemas de gestión de mantenimiento computarizado y otros softwares de mantenimiento. A través de este tipo de software, las herramientas y procesos avanzados de análisis de datos, como el machine learning (ML), pueden identificar, detectar y abordar los problemas a medida que se producen. Los algoritmos también se utilizan para construir modelos que predicen cuándo pueden surgir problemas potenciales en el futuro, lo que mitiga el riesgo de que el activo se descomponga más adelante. Esto puede reducir los costes de mantenimiento, reducir entre un 35 % y un 50 % el tiempo de inactividad y aumentar entre un 20 % y un 40 % la vida útil.

Se utilizan diversas técnicas de monitorización de condiciones para identificar anomalías en los activos y proporcionar avisos previos de posibles problemas, como el análisis de sonido (acústica ultrasónica), temperatura (térmica), lubricación (aceite y fluidos), vibraciones y circuitos de motores. Un aumento de la temperatura en un componente, por ejemplo, podría indicar un bloqueo en el flujo de aire o el refrigerante; las vibraciones inusuales podrían indicar desalineación de las piezas móviles o desgaste; los cambios en el sonido pueden proporcionar advertencias tempranas de defectos que el oído humano no puede detectar.

El sector del petróleo y el gas fue pionero en adoptar el mantenimiento predictivo como una forma de reducir el riesgo de desastres ambientales, y otros sectores también están viendo cada vez más los beneficios. En el sector alimentario y de bebidas, por ejemplo, los problemas no detectados en el almacenamiento de alimentos podrían tener graves consecuencias para la salud. En el transporte marítimo, anticiparse y prevenir las averías de los equipos reduce el número de reparaciones que hay que realizar en el mar, donde es más difícil y costoso que en puerto.

Ambos tipos de estrategias de mantenimiento aumentan el tiempo de actividad y reducen el tiempo de inactividad no planificado, mejorando la fiabilidad y el ciclo de vida de los activos. Las principales diferencias están en el momento y la capacidad de predecir la condición futura probable de un activo.

Los programas de mantenimiento preventivo utilizan datos históricos para anticipar el estado esperado de un activo y programan tareas de mantenimiento rutinarias a intervalos regulares con antelación. Aunque esto es bueno para la planificación, los activos pueden tener un mantenimiento insuficiente o excesivo, dado que la gran mayoría de los fallos de los activos son inesperados. Es posible que un problema se diagnostique demasiado tarde para evitar daños en un activo, por ejemplo, lo que probablemente significará un tiempo de inactividad más largo mientras se soluciona, o que se gaste tiempo y dinero cuando no es necesario.

El mantenimiento predictivo evita el mantenimiento innecesario al comprender el estado real del equipo. Esto significa que puede detectar y solucionar problemas antes de las correcciones preventivas y evitar que se desarrollen problemas más graves.

El mantenimiento predictivo aprovecha nuevas tecnologías como la inteligencia artificial, el machine learning y el Internet de las cosas (IoT) para generar conocimientos. Los sistemas y el software de gestión del mantenimiento crean automáticamente órdenes de trabajo de mantenimiento correctivo, lo que permite a los equipos de mantenimiento, a los científicos de datos y a otros empleados tomar decisiones más inteligentes, rápidas y financieramente sólidas.

Los flujos de trabajo de gestión de inventario, como la mano de obra y las cadenas de suministro de piezas de repuesto, se vuelven más eficientes y sostenibles al minimizar el uso y el desperdicio de energía. El mantenimiento predictivo puede introducir datos en otras prácticas de mantenimiento basadas en análisis en tiempo real como los gemelos digitales, que pueden utilizarse para modelar escenarios y otras opciones de mantenimiento sin riesgo para la producción.

Hay obstáculos que superar para que el mantenimiento predictivo sea eficaz o incluso posible, como la complejidad, el entrenamiento y los datos. El mantenimiento predictivo requiere una infraestructura moderna de datos y sistemas que puede hacer que su configuración sea costosa en comparación con el mantenimiento preventivo. La formación del personal para utilizar las nuevas herramientas y procesos e interpretar correctamente los datos puede resultar costosa y llevar mucho tiempo. El mantenimiento predictivo también se basa en la recopilación de volúmenes sustanciales de datos específicos. Y, por último, implementar una estrategia de mantenimiento predictivo requiere un cambio cultural para adaptarse al cambio de operaciones diarias predeterminadas a más flexibles, lo que puede ser un desafío.

En resumen, aunque las estrategias de mantenimiento preventivo y mantenimiento predictivo se centran tanto en aumentar la fiabilidad de los activos como en reducir el riesgo de fallos, son muy diferentes. El mantenimiento preventivo es regular y rutinario, mientras que el mantenimiento predictivo se centra en proporcionar la información correcta sobre activos específicos en el momento adecuado. El mantenimiento preventivo es adecuado para activos en los que los patrones de fallos son predecibles (por ejemplo, problemas recurrentes o frecuentes) y el impacto de los fallos es comparativamente bajo, mientras que el mantenimiento predictivo puede ser más ventajoso para activos estratégicos donde los fallos son menos predecibles y el impacto empresarial de los fallos es menor. alta. En última instancia, si las estrategias de mantenimiento predictivo se implementan y ejecutan con éxito, darán como resultado clientes más satisfechos y un ahorro sustancial de costos gracias a la optimización del mantenimiento y el rendimiento de los activos.

La buena noticia es que IBM puede ayudarle. IBM Maximo Application Suite es un conjunto de aplicaciones que le permite mover la planificación del mantenimiento más allá de los cronogramas a mantenimiento predictivo basado en condiciones basado en conocimientos del estado del activo.

Al combinar datos operativos, de IoT, IA y análisis en una única plataforma integrada basada en la nube, Maximo impulsará la adopción de decisiones más inteligentes y basadas en datos, lo que mejorará la fiabilidad de los activos, alargará su ciclo de vida, optimizará el rendimiento y reducirá el tiempo de inactividad y los costes operativos.