¿Qué es el mantenimiento prescriptivo?

Se utiliza ampliamente en una amplia gama de sectores, en los que los activos industriales pesados e interconectados son la base de los procesos empresariales.

A medida que más empresas pasan de estrategias de mantenimiento anticuadas y reactivas a estrategias de mantenimiento más modernas y proactivas, la analítica prescriptiva se perfila como una de las soluciones más sofisticadas del mercado. Muchas organizaciones avanzadas implementan estrategias prescriptivas junto con las predictivas, utilizando estas últimas para identificar un problema y las primeras para recomendar soluciones.

Con la ayuda de los sensores inteligentes y las plataformas de gestión de activos empresariales (EAM), las organizaciones modernas pueden recopilar más información que nunca sobre sus activos. El mantenimiento prescriptivo ayuda a poner en práctica esos datos, recomendando tareas de mantenimiento para resolver problemas antes de que resulten en fallos de equipos o tiempos de inactividad no planificados.

El mantenimiento predictivo (PdM) es un plan de mantenimiento que utiliza datos operativos y monitorización de condiciones (CM) en tiempo real para predecir cuándo es probable que los activos fallen. El mantenimiento prescriptivo lleva este enfoque un paso más allá al recomendar tareas específicas que los técnicos pueden realizar para resolver los problemas e incluso evaluar las contingencias financieras y operativas de sus recomendaciones.

El mantenimiento prescriptivo depende del mantenimiento predictivo para su funcionalidad principal: proporcionar recomendaciones basadas en datos para resolver problemas de mantenimiento antes de que resulten en degradación o fallo del activo.

A medida que las organizaciones adoptan cada vez más la tecnología IoT y el análisis avanzado como parte de sus estrategias de gestión de activos, la demanda de soluciones prescriptivas y predictivas aumenta. Según un informe reciente, el mercado global de soluciones de análisis prescriptivo y análisis predictivo valía 25 400 millones de USD en 2024 y se esperaba que creciera hasta 156 140 millones de USD para 2032.

Todas las estrategias de mantenimiento prescriptivo (RxM) siguen un proceso de cinco fases que implica la recopilación de datos de sensores IoT, el análisis de datos mediante técnicas prescriptivas y predictivas, y la automatización de tareas.

A continuación, analizamos cada fase con más detalle.

Los activos industriales modernos, como bombas de petróleo y gas, turbinas y transformadores, están equipados con miles de sensores IoT que recopilan datos relacionados con el rendimiento de los activos en tiempo real. Los datos recopilados por estos sensores suelen incluir variables críticas como la temperatura, la vibración, el consumo de energía y los caudales.

Estos datos se transmiten luego a una plataforma de monitorización de condiciones (CM), nube o sistema de edge computing para su análisis posterior. Durante esta etapa, las plataformas prescriptivas también importan datos históricos sobre el rendimiento de los activos para compararlos con las condiciones actuales.

Las organizaciones deben establecer expectativas de rendimiento de referencia para cada activo que pretendan monitorizar, estableciendo perfiles operativos normales en condiciones ideales. Sin valores de referencia, los sistemas de mantenimiento prescriptivo no pueden detectar anomalías ni identificar patrones que puedan indicar un modo de fallo en desarrollo.

La segunda etapa del flujo de trabajo de analítica prescriptiva consiste en aplicar análisis predictivo y algoritmos estadísticos para predecir fallos antes de que ocurran. Basándose en los valores de referencia de rendimiento y en los datos recopilados durante la primera fase, el sistema ahora puede predecir cuándo es probable que fallen determinados activos.

Por ejemplo, un modelo predictivo que ha estado recopilando y analizando datos sobre el motor de un vehículo podría determinar que el motor tiene un 99 % de probabilidad de fallo en 6 semanas. Esta información se basa en los aumentos de vibración que detecta en comparación con los datos operativos históricos.

La fase 2 es donde terminan las estrategias y sistemas tradicionales de mantenimiento predictivo, lo que permite a los técnicos actuar en función de la información generada.

El mantenimiento prescriptivo aporta un nivel adicional de inteligencia, basándose en las perspectivas recopiladas mediante métodos predictivos en las fases 1 y 2. En la tercera fase, un sistema prescriptivo puede evaluar posibles respuestas y recomendar medidas en función de las variables que está programado para tener en cuenta.

Por ejemplo, si un sistema prescriptivo detecta en la fase 2 que es probable que un rodamiento falle en breve, podría recomendar alguna de estas medidas:

• Sustituir el rodamiento en un plazo determinado.
• Ajustar los parámetros operativos para adaptarse al rodamiento defectuoso.
• Reducir la velocidad de funcionamiento para facilitar las tareas de mantenimiento.
• Programar el mantenimiento durante una próxima parada para evitar tiempos de inactividad no planificados.
• Aumentar la lubricación.

Además de los datos de mantenimiento y rendimiento, algunas organizaciones añaden datos de otras partes de la empresa, como la planificación del capital, el inventario de piezas y la programación del trabajo, para que los tenga en cuenta un sistema prescriptivo.

La mayoría de las estrategias modernas de mantenimiento prescriptivo automatizan y mejoran los flujos de trabajo mediante el uso de un sistema informatizado de gestión de mantenimiento (CMMS). Cuando se integra correctamente, un CMMS moderno desempeña un papel crítico en RxM, sirviendo tanto como sistema de registro como capa de ejecución para actividades de mantenimiento prescriptivo.

Como sistema de registro, el CMMS sirve como fuente autorizada de información empresarial para todas las actividades de mantenimiento. Como ejecutor de tareas de mantenimiento prescriptivo, un CMMS puede configurarse para automatizar tareas manuales, como generar órdenes de trabajo, pedir piezas de repuesto y mantener actualizados los calendarios de mantenimiento.

La integración de un CMMS en una estrategia de mantenimiento prescriptivo contribuye a optimizar las actividades de mantenimiento, reducir la dependencia del trabajo manual y mejorar la ejecución.

La fase final del flujo de trabajo de mantenimiento prescriptivo sigue en curso. El aprendizaje continuo es una técnica de entrenamiento de la IA que consiste en entrenar secuencialmente a un modelo para nuevas tareas y, al mismo tiempo, conservar lo que ya ha aprendido. A medida que un CMMS genera órdenes de trabajo y los equipos de mantenimiento las completan, los algoritmos de machine learning aprenden constantemente de los resultados de cada tarea de mantenimiento que se completa.

Finalmente, cuando un sistema de aprendizaje prescriptivo ha recopilado suficiente información, obtiene perspectivas sobre qué intervenciones recomendadas evitaron fallos de activos y cuáles no. Estas perspectivas son valiosas a nivel operativo, ya que informan tanto las recomendaciones futuras del sistema como la forma en que los técnicos establecen y gestionan las referencias.  

Las organizaciones adoptan estrategias de mantenimiento prescriptivo porque ofrecen beneficios que van más allá de las etapas operativas y de ejecución del mantenimiento de activos. Cuando se aplica de forma eficaz, el mantenimiento prescriptivo puede repercutir en toda la organización, mejorando la seguridad de los trabajadores, optimizando la planificación de inversiones y aumentando la productividad general:

• Menos tiempo de inactividad no planificado: el tiempo de inactividad no planificado es una de las fuentes más caras de interrupción operativa en los sectores industriales. Según un informe reciente, el tiempo de inactividad no planificado cuesta a los fabricantes aproximadamente 50 000 millones de USD al año, con un coste medio por hora de aproximadamente 260 000 USD por hora. El mantenimiento prescriptivo ayuda a predecir los fallos y a recomendar medidas correctivas para evitarlos, lo que reduce significativamente el tiempo de inactividad de la maquinaria y el equipo.

• Aumento de la eficiencia operativa: el mantenimiento prescriptivo ayuda a las organizaciones a priorizar sus actividades de mantenimiento en función del riesgo y el impacto empresarial, no solo en el estado y el rendimiento de los activos. Al analizar las actividades de mantenimiento desde la perspectiva de la planificación de inversiones, las estrategias prescriptivas ayudan a identificar aquellas tareas de mantenimiento que tendrán un impacto en las operaciones de la empresa, y no solo en el estado de un activo concreto.

• Menos reparaciones de emergencia: el mantenimiento de emergencia, un tipo de mantenimiento reactivo que se realiza cuando se avería un equipo vital, es problemático incluso cuando no provoca tiempos de inactividad no planificados. Las reparaciones de emergencia a menudo dan como resultado un aumento de los costes de las horas extra de mano de obra y el envío acelerado de piezas, y pueden crear condiciones peligrosas para los trabajadores. El mantenimiento prescriptivo reduce la probabilidad de reparaciones de emergencia al permitir intervenciones planificadas que abordan los problemas antes de que se intensifiquen.

• Gestión más sólida del ciclo de vida de activos: la gestión del ciclo de vida de activos (ALM) es el proceso en el que las organizaciones confían para mantener los activos funcionando sin problemas durante todo su ciclo de vida. El mantenimiento prescriptivo mejora la ALM al proporcionar visibilidad en tiempo real del estado de los activos y del rendimiento futuro. Cuando se integran con un CMMS, las estrategias de mantenimiento prescriptivo pueden ayudar a las organizaciones a tomar decisiones más informadas sobre sus activos en cada etapa de su ciclo de vida, incluyendo planificación, instalación, operación y jubilación.

• Mayor fiabilidad: las estrategias de mantenimiento prescriptivas ayudan a las organizaciones a identificar los modos de fallo con antelación y a abordarlos antes de que provoquen un fallo en el equipo. Este enfoque ayuda a reducir la probabilidad de un fallo catastrófico a corto plazo y hace que los equipos y los procesos sean más fiables con el tiempo.

• Mejora de la seguridad de los trabajadores: los fallos en los equipos representan un riesgo de seguridad importante, especialmente en los entornos industriales en los que se utilizan activos pesados. El mantenimiento prescriptivo ayuda a las organizaciones a identificar problemas en desarrollo antes de que se conviertan en eventos peligrosos, lo que reduce la probabilidad de incidentes de seguridad en el lugar de trabajo.

• Mejora de la sostenibilidad: a medida que las iniciativas de sostenibilidad se vuelven más comunes a nivel empresarial, el mantenimiento prescriptivo está emergiendo como una herramienta eficaz para ayudar a las organizaciones a alcanzar sus objetivos. Los activos mantenidos adecuadamente consumen menos energía, producen menos emisiones y residuos, y requieren menos piezas de repuesto. Además, al recopilar y analizar constantemente datos de miles de sensores IoT, las organizaciones obtienen perspectivas valiosas sobre cómo funcionan sus activos y qué acciones de mantenimiento les ayudan a ser más sostenibles.  

El mantenimiento prescriptivo se utiliza en todos los sectores con un elevado número de activos, como la industria manufacturera, el sector del petróleo y el gas y la minería. He aquí un vistazo a cómo esos sectores y otros lo utilizan para aumentar la fiabilidad de los activos, reducir los costes y mejorar la seguridad de los trabajadores:

Las empresas de fabricación utilizan el mantenimiento prescriptivo principalmente para monitorizar los equipos de producción, la robótica y los grandes sistemas de montaje.

Las plataformas modernas con IA pueden analizar las vibraciones, la temperatura, los niveles de fluidos y otros indicadores clave de rendimiento (KPI), y ayudan a identificar problemas en los equipos antes de que provoquen averías.

Las aplicaciones comunes para el mantenimiento prescriptivo en el sector de la fabricación incluyen:

• Máquinas de control numérico por ordenador (CNC)
• Robots industriales
• Sistemas transportadores
• Equipos de embalaje
• Compresores

Las instalaciones de petróleo y gas dependen de activos grandes y complejos que operan sin interrupción (y en entornos exigentes) para su actividad principal.

El mantenimiento prescriptivo ayuda a monitorizar y mantener una amplia gama de componentes críticos, como bombas, compresores, tuberías y turbinas, lo que garantiza que el tiempo de inactividad se mantenga al mínimo.  

El mantenimiento prescriptivo también ayuda a mejorar la seguridad de los trabajadores en el sector del petróleo y el gas. Los fallos de la maquinaria pesada pueden causar lesiones e incluso muertes. Los análisis avanzados ayudan a identificar y corregir problemas en grúas, bombas y plataformas petrolíferas antes de que den lugar a condiciones peligrosas.

Los equipos de minería suelen funcionar en condiciones extremas que pueden acelerar el desgaste y provocar su deterioro.

El mantenimiento prescriptivo con un CMMS totalmente integrado ayuda a los técnicos de mantenimiento a monitorizar las condiciones operativas y el rendimiento de los activos de diversos activos pesados que son críticos para las operaciones principales, incluyendo:

• Camiones de transporte
• Trituradoras
• Cintas transportadoras
• Excavadoras
• Equipos de procesamiento

Las herramientas de análisis en tiempo real de mantenimiento dan a los equipos de mantenimiento una imagen precisa de cómo el entorno y las condiciones están afectando su equipo y les ayudan a abordar los problemas antes de que interrumpan la producción.  

El sector del transporte y la logística se basa principalmente en el mantenimiento prescriptivo para dar servicio a grandes flotas de vehículos que transportan personas y mercancías a largas distancias.

Los vehículos equipados con sensores IoT recogen datos en la fuente para su análisis adicional en un CMMS o en la nube. Las aplicaciones de mantenimiento en los sectores del transporte y la logística incluyen:

• Flotas de camiones comerciales
• Redes ferroviarias
• Aeronaves
• Embarcaciones marítimas

Los hospitales modernos dependen de activos grandes y complejos para respaldar la atención al paciente y agilizar los procesos. Dada la criticidad del entorno y la naturaleza interconectada de los sistemas, estos activos deben ser altamente fiables.

En el ámbito hospitalario, el mantenimiento prescriptivo contribuye al buen funcionamiento de diversos sistemas:

• Aparatos de resonancia magnética
• Escáneres de tomografía computarizada
• Respiradores
• Equipos de laboratorio
• Sistemas de infraestructura del edificio

Los sistemas de mantenimiento prescriptivo para el sector sanitario mejoran el tiempo de actividad de los equipos, la seguridad de los pacientes y el cumplimiento normativo.

A medida que la IA, la tecnología IoT y las aplicaciones de ML continúan avanzando, el mantenimiento prescriptivo está a punto de convertirse en un componente fundamental de los programas de mantenimiento modernos. Es probable que los sistemas futuros integren algoritmos cada vez más sofisticados, conjuntos de datos más grandes y modelos predictivos aún más potentes para ofrecer recomendaciones precisas.

Las organizaciones que puedan combinar el mantenimiento prescriptivo con el mantenimiento predictivo, las plataformas CMMS y los sistemas EAM avanzados estarán en la mejor posición para obtener beneficios de estas tecnologías a medida que maduren. En cierto modo, el mantenimiento prescriptivo representa una nueva era en la gestión del mantenimiento, con organizaciones que pueden utilizarlo mejor para sustituir prácticas obsoletas y reactivas por otras más eficientes, automatizadas y proactivas.

Pero el futuro del mantenimiento prescriptivo también tendrá sus desafíos. La eficacia de los sistemas de análisis predictivo y prescriptivo depende en gran medida de la calidad de los datos que reciben, y muchas organizaciones siguen enfrentándose a una amplia variedad de problemas relacionados con sus datos, entre los que se incluyen los siguientes ejemplos:

• Historiales de mantenimiento y registros de averías incompletos o que faltan
• Órdenes de trabajo mal documentadas
• Convenciones de nomenclatura de activos incoherentes
• Datos operativos aislados

Cuando se basa en una base sólida de buenos datos, el mantenimiento prescriptivo puede ayudar a las organizaciones a utilizar inteligencia basada en datos en todos sus procesos de mantenimiento, prolongando los ciclos de vida de los activos y mejorando la productividad. Pero si los datos subyacentes son deficientes, ni siquiera las plataformas predictivas y prescriptivas más avanzadas despegarán.