El mantenimiento predictivo (PdM) se basa en la supervisión basada en condiciones para optimizar el rendimiento y la vida útil de los equipos evaluando continuamente su salud en tiempo real. Al recopilar datos de sensores y aplicar herramientas y procesos analíticos avanzados como el aprendizaje automático (ML), el mantenimiento predictivo puede identificar, detectar y abordar los problemas a medida que ocurren, así como predecir el posible estado futuro del equipo y, por lo tanto, reducir el riesgo. La clave es proporcionar la información correcta en el momento adecuado a las personas adecuadas.
Las estrategias de mantenimiento y la madurez dependen de factores como el costo de los activos / reemplazo, la criticidad del activo, los patrones de uso y el impacto de la falla en la seguridad, el medio ambiente, las operaciones, las finanzas y la imagen pública. El mantenimiento predictivo es una de las tres estrategias de mantenimiento líderes utilizadas por las empresas, las otras son el mantenimiento reactivo que corrige fallas cuando ocurren, y el mantenimiento preventivo que se basa en un programa de mantenimiento predefinido para identificar fallas. Debido a que el mantenimiento predictivo es proactivo, mejora el mantenimiento preventivo al proporcionar información continua sobre el estado real del equipo en lugar de depender del estado esperado del equipo basándose en una base histórica. Con el mantenimiento predictivo, el mantenimiento correctivo sólo se lleva a cabo cuando es necesario, con lo que se evita incurrir en costes de mantenimiento innecesarios y tiempos de inactividad de la máquina. El mantenimiento predictivo utiliza series temporales históricas y datos de fallos para predecir el estado potencial futuro del equipo y así anticipar los problemas por adelantado. Esto permite a las empresas optimizar la programación del mantenimiento y mejorar la fiabilidad.
El mantenimiento predictivo también difiere del mantenimiento preventivo en la diversidad y la amplitud de los datos en tiempo real utilizados para supervisar el equipo. Diversas técnicas de supervisión de condiciones como sonido (acústica ultrasónica), temperatura (térmica), lubricación (aceite, fluidos) y análisis de vibraciones pueden identificar anomalías y proporcionar alertas anticipadas de posibles problemas. Un aumento de la temperatura en un componente, por ejemplo, podría indicar bloqueos del flujo de aire o desgaste; vibraciones inusuales podrían indicar desalineación de las partes móviles; los cambios en el sonido pueden proporcionar alertas tempranas de defectos que no pueden ser captados por el oído humano.
Explore IBM Maximo para descubrir cómo los datos, la analítica y la IA de IoT pueden ayudarle a optimizar sus operaciones de activos.
Suscríbase al boletín de IBM
El mantenimiento predictivo depende de una variedad de tecnologías que incluyen internet de las cosas (IoT), analíticas predictivas e inteligencia artificial (IA). Los sensores conectados recopilan datos de activos como maquinaria y equipos. Esto se recopila en el borde o en la nube en un sistema de gestión de activos empresariales (EAM) o un sistema de gestión de mantenimiento computarizado (CMMS) habilitado por IA. La IA y el aprendizaje automático se utilizan para analizar los datos en tiempo real y construir una imagen del estado actual de los equipos, activando una alerta si se detecta algún posible defecto y enviándola al equipo de mantenimiento.
Además de proporcionar advertencias de defectos, los avances en los algoritmos de aprendizaje automático permiten que las soluciones de mantenimiento predictivo hagan predicciones sobre el estado futuro de los equipos. Estos se pueden utilizar para impulsar una mayor eficiencia en los flujos de trabajo y procesos relacionados con el mantenimiento, como la programación de órdenes de trabajo justo a tiempo y las cadenas de suministro de mano de obra y piezas. Además, cuantos más datos se recopilan, más información se genera y mejores son las predicciones. Esto da a las empresas la confianza de que los equipos funcionan de manera óptima.
Los beneficios de una estrategia de mantenimiento predictivo se centran en anticiparse a los fallos y averías de los equipos, reducir los costes de mantenimiento y explotación optimizando el tiempo y los recursos, y mejorar el rendimiento y la fiabilidad de los equipos. Deloitte informó en 2022 que PdM puede generar una reducción del 5-15% en el tiempo de inactividad de las instalaciones y un aumento del 5-20% en la productividad laboral.1 El mantenimiento predictivo también tiene un impacto beneficioso en la sostenibilidad operativa minimizando el uso de energía y los residuos.
Optimizar el rendimiento y el tiempo de actividad de los activos puede reducir los costos. La advertencia anticipada de posibles fallas dará como resultado menos averías, así como una reducción del mantenimiento planificado o el tiempo de inactividad no planificado. Una mayor visibilidad continua del estado mejorará la fiabilidad y durabilidad de los equipos durante toda su vida útil. El uso de la IA permite prever con mayor precisión las operaciones futuras. Este último beneficio es primordial en un mundo donde el aumento de los precios y los eventos impredecibles como la pandemia y los desastres naturales relacionados con el clima han expuesto la necesidad de un inventario de piezas de repuesto y costos de mano de obra más predecibles y un menor impacto ambiental de las operaciones.
La productividad puede aumentar reduciendo las operaciones de mantenimiento ineficientes, permitiendo una respuesta más rápida a los problemas a través de flujos de trabajo inteligentes y automatización, y equipando a técnicos, científicos de datos y empleados en toda la cadena de valor con mejores datos para tomar decisiones. El resultado es una mejora de parámetros como el tiempo medio entre fallos (MTBF) y el tiempo medio de reparación (MTTR), unas condiciones de trabajo más seguras para los empleados y un aumento de los ingresos y la rentabilidad.
Hay barreras para el mantenimiento predictivo que pueden ser costosas, al menos en la primera instancia.
- Infraestructura del sistema: los costos de inicio asociados con la complejidad de la estrategia son altos. A menudo implican la actualización e integración de sistemas de supervisión y tecnología obsoletos, así como la inversión en herramientas de mantenimiento y gestión de datos e infraestructura de datos y sistemas.
- Capacitación de la fuerza laboral: capacitar a la fuerza laboral para usar las nuevas herramientas y procesos e interpretar correctamente los datos puede ser costoso y llevar mucho tiempo.
- Requisitos de datos: el pasado es un predictor del rendimiento futuro. Para que el mantenimiento predictivo sea eficaz, la disponibilidad de volúmenes sustanciales de datos históricos y de fallas (o proxy) de series temporales es vital. La capacidad de observar las correlaciones de datos y las analogías con tipos de equipos similares en condiciones físicas de operación también es esencial y también puede ayudar a mejorar la naturaleza predictiva de la analítica.
Evaluar la criticidad y el costo de las fallas de activos individuales también requiere tiempo y dinero, pero es fundamental para determinar si el mantenimiento predictivo es apropiado: los activos de bajo costo con piezas baratas y fácilmente disponibles pueden funcionar mejor con otras estrategias de mantenimiento. Los programas de mantenimiento predictivo son difíciles, pero las ventajas competitivas y financieras de una estrategia bien ejecutada son significativas.
Las tecnologías de mantenimiento predictivo ya se están adoptando en todas las industrias para muchos activos, ya sean puntos de efectivo, turbinas eólicas, intercambiadores de calor o robots de fabricación. Las industrias con gran cantidad de activos, como energía, fabricación, telecomunicaciones y transporte, donde las fallas imprevistas de los equipos podrían tener consecuencias generalizadas, están recurriendo cada vez más a tecnologías avanzadas para mejorar la confiabilidad del equipo y la productividad de la fuerza laboral. Los usos potenciales son muchos y variados:
Los cortes de energía (PDF) pueden costar a las compañías de energía millones de dólares en compensación y pueden llevar a los clientes que cambian de proveedor.
Las fallas en los equipos y el tiempo de inactividad no planificado pueden aumentar significativamente los costos unitarios y crear interrupciones en la cadena de suministro.
Corregir rápidamente los errores de la red de telecomunicaciones es fundamental para mejorar la calidad de los servicios, incluso pequeñas interrupciones de la red pueden afectar a un gran número de clientes.
La identificación de puntos o fallos en los frenos o deformaciones en la vía evitará interrupciones del servicio y garantizará la seguridad de los pasajeros.
La capacidad de evaluar mejor la integridad estructural durante los ciclos de inspección ayuda a reducir las interrupciones económicas y los problemas de seguridad.
La seguridad de los helicópteros militares se puede mejorar mediante advertencias anticipadas de fallas potencialmente catastróficas, por ejemplo, en los rotores.
La invención de la técnica de mantenimiento predictivo se atribuye más a CH Waddington en la segunda Guerra Mundial cuando observó que el mantenimiento preventivo planificado parece estar causando fallas no planificadas en las bombas de aeronaves.2 Esto llevó a la aparición y el desarrollo del mantenimiento basado en condiciones, pero desde que la mayoría de los sistemas de negocio históricamente se han aislado, la adopción del mantenimiento predictivo ha sido limitada.
Los avances tecnológicos en sensores IoT, recopilación de big data y tecnologías de almacenamiento han seguido y seguirán avanzando a buen ritmo. El crecimiento de los datos y la accesibilidad de AI/ML está mejorando los modelos de mantenimiento predictivo y promoviendo su adopción. La pandemia también aceleró los esfuerzos de transformación digital, creando entornos de negocio más integrados y apetito por información estratégica en tiempo real basada en inteligencia. Finalmente, el alto costo del tiempo de inactividad no planificado, que estiman los expertos es alrededor del 11% de la rotación en las empresas Fortune Global 5003, también está impulsando la adopción del mantenimiento predictivo dentro del mercado.
Las siguientes tecnologías son solo algunas de las que contribuyen a la evolución continua y el valor del mantenimiento predictivo:
- La inspección robótica automatizada está haciendo que la supervisión del equipo en ubicaciones remotas o peligrosas como en la industria del petróleo y gas sea más eficiente y rentable. Los robots actúan como sensores itinerantes que supervisan múltiples activos e introducen datos en los sistemas informatizados de gestión del mantenimiento.
- Se están desarrollando tecnologías inmersivas como la realidad aumentada (AR) y la realidad virtual (VR) para simplificar las inspecciones. AR puede recopilar datos y ambas tecnologías pueden mejorar las inspecciones visuales y la detección temprana de fallas.
- Los gemelos digitales pueden aumentar el mantenimiento predictivo creando una representación virtual de un activo físico que genera datos de sensores y simula escenarios de fallas operativas y soluciones a lo largo del ciclo de vida de un activo sin riesgo para el activo.
- Las soluciones de mantenimiento predictivo basadas en IoT se suministrarán como parte de las soluciones EAM/CMMS y se integrarán con otras aplicaciones empresariales.
- La mantenimiento predictivo como servicio hará que el mantenimiento predictivo sea más accesible y asequible. La implantación a través de socios puede ser menos disruptiva que en las instalaciones locales, requerir menos inversión y formación y ofrecer una rentabilidad más rápida. También se puede adaptar a entornos y equipos individuales.
Gestión inteligente de activos, supervisión, mantenimiento predictivo y confiabilidad en una única plataforma
Mejore la supervisión del rendimiento de sus aplicaciones para proporcionar el contexto que necesita para resolver las incidencias más rápido.
Descubra cómo la compañía ferroviaria australiana Downer mejoró la confiabilidad en un 41%
Lea cómo IBM Research está impulsando el desarrollo del mantenimiento predictivo en tecnología y banca
Descubra cómo IBM puede ayudarlo en su "jornada hacia la predicción".
Conozca cómo el mantenimiento predictivo en la nube está ayudando a las empresas a mejorar el rendimiento
Lea cómo Oncor redujo los cortes de energía y mantiene a los clientes satisfechos con el mantenimiento predictivo
Conozca cómo el Aeropuerto de Ámsterdam Schiphol aplicó mantenimiento correctivo y predictivo para lograr menos retrasos
Notas de pie de página
1 Mantenimiento predictivo, Deloitte 2022
2 https://www.easterneye.biz/a-complete-history-of-predictive-maintainence-its-place-in-the-world-today/ (enlace externo a ibm.com)
3 El costo real del tiempo de inactividad 2022, www.siemens.com/senseye-predictive-Maintenance (enlace externo a ibm.com)