¿Qué es el mantenimiento prescriptivo?

Se utiliza ampliamente en una amplia gama de industrias, donde los activos industriales pesados e interconectados son fundamentales para los procesos de negocio.

A medida que más empresas pasan de estrategias de mantenimiento reactivo hacia estrategias de mantenimiento proactivo, la analítica preventiva está emergiendo como una de las soluciones más sofisticadas del mercado. Muchas organizaciones avanzadas despliegan estrategias prescriptivas junto con las predictivas, utilizando estas últimas para identificar un problema y las primeras para recomendar soluciones.

Con la ayuda de sensores inteligentes y 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 fallas de equipamiento o tiempo de inactividad no planificado.

El mantenimiento predictivo (PdM) es un plan de mantenimiento que utiliza datos operativos y monitoreo de condiciones (CM) 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 un deterioro o falla de los activos.

A medida que las organizaciones adoptan cada vez más la tecnología IoT y el analytics avanzado como parte de sus estrategias de gestión de activos, la demanda de soluciones prescriptivas y predictivas está aumentando. Según un informe reciente, el mercado global de soluciones de análisis prescriptivos y predictivos tenía un valor de 25.400 millones de dólares en 2024 y se esperaba que creciera a 156.14 mil millones de dólares para 2032.

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

Aquí hay un vistazo más de cerca a cada fase.

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 temperatura, vibración, consumo de energía y caudales.

Estos datos se transmiten luego a una plataforma de monitoreo de condiciones (CM), entorno de nube o sistema de computación edge 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 pretenden monitorear, estableciendo perfiles operativos normales en condiciones ideales. Sin referencias, los sistemas de mantenimiento prescriptivo no pueden detectar anomalías ni identificar patrones que puedan indicar un modo de falla en desarrollo.

La segunda etapa del flujo de trabajo de analítica preventiva implica análisis predictivos y algoritmos estadísticos para predecir fallas antes de que ocurran. Con base en las referencias de rendimiento y los datos recopilados durante la fase uno, el sistema ahora puede predecir cuándo es probable que fallen ciertos activos.

Por ejemplo, un modelo predictivo que ha estado recopilando y analizando datos en torno al motor de un vehículo podría determinar que el motor tiene un 99 % de probabilidad de falla 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 introduce una capa adicional de inteligencia, basándose en los insights recopilados por los métodos predictivos en las fases 1 y 2. En la tercera fase, un sistema prescriptivo puede evaluar posibles respuestas y recomendar acciones basadas en variables que está programado para considerar.

Por ejemplo, si un sistema prescriptivo aprende en la fase 2 que es probable que un rodamiento falle pronto, podría recomendar una de estas acciones:

• Reemplazar el rodamiento dentro de un plazo específico.
• Ajustar los parámetros operativos para adaptarse al rodamiento defectuoso.
• Reducir la velocidad operativa para adaptarse a las tareas de mantenimiento.
• Programar el mantenimiento durante un próximo apagado para evitar tiempos de inactividad no planificados.
• Aumentar la lubricación.

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

La mayoría de las estrategias modernas de mantenimiento prescriptivo automatizan y mejoran los flujos de trabajo mediante un sistema computarizado 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, se puede configurar un CMMS para automatizar tareas manuales, como generar órdenes de trabajo, solicitar piezas de repuesto y mantener actualizados los horarios de mantenimiento.

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

La etapa final del flujo de trabajo de mantenimiento prescriptivo está en curso. El aprendizaje continuo es una técnica de entrenamiento de IA que implica entrenar secuencialmente un modelo para nuevas tareas mientras se preserva lo que ya aprendió. 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 insights sobre qué intervenciones que recomendó previnieron fallas de activos y cuáles no. Estos insights son valiosos a nivel operativo, ya que fundamentan 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 practica de manera efectiva, el mantenimiento prescriptivo puede afectar a toda la organización, mejorando la seguridad de los trabajadores, haciendo que la planificación de capital sea más eficiente y aumentando la productividad general:

• Menos tiempo de inactividad no planificado: el tiempo de inactividad no planificado es una de las fuentes más costosas de interrupción operativa en los sectores industriales. Según un informe reciente, el tiempo de inactividad no planificado cuesta a los fabricantes un estimado de 50 mil millones de dólares anuales, con un costo promedio por hora de aproximadamente 260 mil dólares por hora. El mantenimiento prescriptivo ayuda a predecir fallas y recomendar acciones correctivas para prevenirlas, reduciendo significativamente el tiempo de inactividad en maquinaria y equipamiento.

• Mayor 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 del estado y el rendimiento de los activos. Al ver los esfuerzos de mantenimiento a través de una perspectiva de planificación de capital, las estrategias prescriptivas ayudan a iluminar las tareas de mantenimiento que tendrán impacto en las operaciones empresariales, no solo en el estado de un activo en particular.

• Menos reparaciones de emergencia: un mantenimiento de emergencia, un tipo de mantenimiento reactivo que se realiza cuando un equipamiento vital se descompone, es problemático incluso cuando no causa un tiempo de inactividad no planificado. Las reparaciones de emergencia a menudo dan como resultado mayores costos por horas extras de mano de obra y 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 planificaciones que tratan los problemas antes de que se agraven.

• 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 y el rendimiento futuro de los activos. Cuando se integran con un CMMS, las estrategias de mantenimiento prescriptivo pueden ayudar a las organizaciones a tomar decisiones más informadas sobre sus activos durante cada etapa de su ciclo de vida, incluida la planificación, instalación, operación y retiro.

• Mayor confiabilidad: las estrategias de mantenimiento prescriptivo ayudan a las organizaciones a identificar los modos de falla de manera temprana y abordarlos antes de que den lugar a fallas en el equipamiento. Este enfoque reduce la probabilidad de una falla catastrófica en el corto plazo y hace que el equipamiento y los procesos sean más confiables a lo largo del tiempo.

• Mayor seguridad de los trabajadores: las fallas en el equipamiento representan un riesgo de seguridad significativo, especialmente en entornos industriales que operan 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.

• Mejor sustentabilidad: a medida que las iniciativas de sustentabilidad 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 de IoT, las organizaciones obtienen insights valiosos sobre el rendimiento de sus activos y qué acciones de mantenimiento ayudan a hacerlos más sostenibles.  

El mantenimiento prescriptivo se utiliza en todas las industrias intensivas en activos, incluyendo fabricación, petróleo y gas y minería. A continuación, se muestra cómo esas industrias y otras lo utilizan para aumentar la confiabilidad de los activos, reducir los costos y mejorar la seguridad de los trabajadores:

Las empresas de fabricación utilizan el mantenimiento prescriptivo principalmente para monitorear el equipamiento, la robótica y los grandes sistemas de ensamblaje.

Las plataformas modernas impulsadas por IA pueden analizar vibraciones, temperaturas, niveles de fluidos y otros indicadores clave de rendimiento (KPI), así como identificar problemas de equipamiento antes de que resulten en fallas.

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

• Máquinas de control numérico por computadora (CNC)
• Robots industriales
• Sistemas transportadores
• Equipamiento de embalaje
• Compresores

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

El mantenimiento prescriptivo ayuda a monitorear y mantener una amplia gama de componentes críticos, incluidas 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. La falla de la maquinaria pesada puede causar lesiones e incluso muertes. El analytics avanzado ayuda a identificar y arreglar problemas en grúas, bombas y plataformas petroleras antes de que resulten en condiciones peligrosas.

El equipamiento minero suele operar en condiciones extremas que pueden acelerar el desgaste y provocar deterioro.

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

• Camiones de transporte
• Trituradoras
• Transportadoras
• Excavadoras
• Equipamiento de procesamiento

Las herramientas de análisis en tiempo real brindan a los equipos de mantenimiento una perspectiva precisa de cómo el entorno y las condiciones están afectando sus equipamientos y les ayudan a abordar los problemas antes de que interrumpan la producción.  

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

Los vehículos equipados con sensores IoT recopilan datos en la fuente para su posterior análisis en un CMMS o en la nube. Las aplicaciones de mantenimiento prescriptivo en la industria 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 optimizar los procesos. Dada la criticidad del entorno y la naturaleza interconectada de los sistemas, estos activos deben ser altamente confiables.

En entornos hospitalarios, el mantenimiento prescriptivo apoya diversos sistemas:

• Máquinas de resonancia magnética
• Escáneres CT
• Ventiladores
• Equipamiento de laboratorio
• Sistemas de infraestructura de edificios

Los sistemas de mantenimiento prescriptivo para la atención médica mejoran el tiempo de actividad del equipamiento, la seguridad de los pacientes y el cumplimiento normativo.

A medida que la IA, la tecnología IoT y las aplicaciones de machine learning (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 pueden combinar el mantenimiento prescriptivo con el mantenimiento predictivo, las plataformas CMMS y los sistemas EAM avanzados estarán en la mejor posición para obtener los 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 preventivo también tendrá sus desafíos. Los sistemas de análisis prescriptivos y predictivos son tan sólidos como los datos que reciben, y muchas organizaciones aún enfrentan una amplia gama de problemas relacionados con sus datos, incluidos estos ejemplos:

• Historiales de mantenimiento y registros de fallas incompletos o faltantes
• Órdenes de trabajo mal documentadas
• Convenciones incongruentes de nomenclatura de activos
• Datos operativos aislados

Cuando se construye sobre una base sólida de buenos datos, el mantenimiento preventivo puede ayudar a las organizaciones a utilizar la inteligencia basada en datos en todos sus procesos de mantenimiento, extendiendo los ciclos de vida de los activos y mejorando la productividad. Pero si los datos subyacentes son deficientes, incluso las plataformas predictivas y prescriptivas más avanzadas no despegarán.