El mantenimiento predictivo (PdM) se fundamenta en la monitorización basada en las condiciones para optimizar el rendimiento y la vida útil de los equipos mediante la evaluación continua de su estado 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 principales estrategias de mantenimiento utilizadas por las empresas, el resto del mantenimiento reactivo que corrige los fallos cuando se producen y el mantenimiento preventivo, que se basa en un programa de mantenimiento predefinido para identificar fallos. Debido a que el mantenimiento predictivo es proactivo, mejora el mantenimiento preventivo proporcionando información continua sobre el estado real del equipo en lugar de depender del estado esperado del equipo basado en una referencia histórica. Con el mantenimiento predictivo, el mantenimiento correctivo solo se lleva a cabo cuando es necesario, por lo que evita los costes de mantenimiento innecesarios y el tiempo 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 amplitud de los datos en tiempo real utilizados en la monitorización del equipo. Varias técnicas de monitorización del estado, como sonido (acústica ultrasónica), temperatura (térmica), lubricación (aceite, fluidos) y análisis de vibraciones, pueden identificar anomalías y proporcionar advertencias anticipadas de posibles problemas. Un aumento de temperatura en un componente, por ejemplo, podría indicar bloqueos en el flujo de aire o desgaste, vibraciones inusuales podrían indicar desalineación de piezas móviles, los cambios en el sonido pueden proporcionar advertencias tempranas de defectos que el oído humano no puede detectar.
Explore IBM Maxima para descubrir cómo los datos de IoT, los análisis y la IA pueden ayudarle a optimizar sus operaciones de activos.
Suscríbase al boletín de IBM
El mantenimiento predictivo se basa en una variedad de tecnologías, como Internet de las cosas (IoT), análisis predictivos e inteligencia artificial (IA). Los sensores conectados recopilan datos de activos como maquinaria y equipos. Esto se recoge en el edge o en la nube en un sistema de gestión de activos empresariales (EAM) o sistema de gestión de mantenimiento computarizado (CMMS) habilitado para IA. La IA y el aprendizaje automático se utilizan para analizar los datos en tiempo real para crear una imagen del estado actual del equipo, activando una alerta si se identifica algún posible defecto y entregándolo al equipo de mantenimiento.
Además de proporcionar advertencias de defectos, los avances en algoritmos de aprendizaje automático permiten soluciones de mantenimiento predictivo para hacer predicciones sobre el estado futuro del equipo. Se pueden utilizar para impulsar una mayor eficiencia en los flujos de trabajo y procesos relacionados con el mantenimiento, como la programación puntual de las órdenes de trabajo y las cadenas de suministro de mano de obra y piezas. Además, cuantos más datos se recopilen, más conocimientos se generarán y mejores serán las predicciones. Esto da a las empresas la confianza de que el equipo funciona de forma 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 notificó en 2022 que PdM puede provocar 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 de los activos y el tiempo de actividad puede reducir los costes. La advertencia anticipada de posibles fallas se traducirá en menos averías, así como en una reducción del mantenimiento planificado o del 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 puede pronosticar 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 se 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 los técnicos, científicos de datos y empleados de toda la cadena de valor con mejores datos con los que tomar decisiones. La mejora de las medidas, como el tiempo medio entre errores (MTBF) y el tiempo medio de reparación (MTTR), las condiciones de trabajo más seguras para los empleados y las ganancias y rentabilidad.
Hay barreras para el mantenimiento predictivo que pueden ser costosas, al menos en un primer momento.
- Infraestructura del sistema: los costes de puesta en marcha asociados a la complejidad de la estrategia son elevados. A menudo implican actualizar e integrar sistemas de monitorización y tecnología obsoletos, así como invertir en herramientas de mantenimiento y gestión de datos, así como en la 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 grandes volúmenes de datos históricos y de fallos (o proxy) de series temporales es vital. La capacidad de analizar correlaciones y análogos de datos con tipos de equipos similares en condiciones físicas también es esencial y también puede ayudar a mejorar la naturaleza predictiva de los análisis.
Evaluar la gravedad y el coste de los fallos de los distintos activos también lleva tiempo y dinero, pero es fundamental para determinar si el mantenimiento predictivo es adecuado: los activos de bajo coste con piezas baratas fácilmente disponibles pueden estar mejor atendidos 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 todos los sectores para muchos activos, ya sean puntos de caja, turbinas eólicas, intercambiadores de calor o robots de fabricación. Los sectores de activos intensivos, como la energía, la fabricación, las telecomunicaciones y el transporte, donde los fallos imprevistos de los equipos podrían tener consecuencias generalizadas, están recurriendo cada vez más a tecnologías avanzadas para mejorar la fiabilidad del equipo y la productividad de la fuerza laboral. Los usos potenciales son muchos y variados:
Las interrupciones de energía (PDF) pueden costar a las empresas de energía millones de dólares en compensación y pueden conducir a clientes que cambian de proveedor.
Los fallos de los equipos y el tiempo de inactividad no planificado pueden aumentar significativamente los costes 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.
Identificar puntos de fallo de frenos o deformaciones de 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 fallos potencialmente catastróficos, por ejemplo, en turbinas.
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 parecía causar fallos no planificados en las bombas de aeronaves.2 Esto llevó a la aparición y el desarrollo del mantenimiento basado en condiciones, pero dado que la mayoría de los sistemas empresariales han estado históricamente aislados, 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 la IA/ML está mejorando los modelos de mantenimiento predictivo y promoviendo su adopción. La pandemia también aceleró los esfuerzos de transformación digital, creando entornos empresariales más integrados y apetito por la información basada en inteligencia en tiempo real. Por último, el aumento del coste de los tiempos de inactividad no planificados, que los expertos estiman en torno al 11% de la facturación de las empresas incluidas en la lista Fortune Global 5003, también está impulsando la adopción del mantenimiento predictivo en el mercado.
Las siguientes tecnologías son solo algunas de las que contribuyen a la evolución continua y al valor del mantenimiento predictivo:
- La inspección robótica automatizada está haciendo que la monitorización de los equipos en lugares remotos o de acceso peligroso, como en la industria del petróleo y el gas, sea más eficiente y rentable. Los robots actúan como sensores móviles que monitorizan múltiples activos e incorporan datos en sistemas de gestión de mantenimiento computarizados.
- Se están desarrollando tecnologías inmersivas como la realidad aumentada (RA) y la realidad virtual (RV) para simplificar las inspecciones. La RA puede recopilar datos y ambas tecnologías pueden mejorar las inspecciones visuales y la detección temprana de fallos.
- Los gemelos digitales pueden aumentar el mantenimiento predictivo creando una representación virtual de un activo físico que genera datos de sensores y simula escenarios operativos de fallas y soluciones durante todo el ciclo de vida de un activo sin riesgo para el activo.
- Las soluciones de mantenimiento predictivo habilitadas para IoT se suministrarán como parte de las soluciones EAM/CMMS y se integrarán con otras aplicaciones empresariales.
- El mantenimiento predictivo como servicio hará que el mantenimiento predictivo sea más accesible y asequible. Proporcionado por socios, puede ser menos disruptivo que las implementaciones locales, requerir menos inversión y capacitación y generar valor más rápidamente. También se puede adaptar a entornos y equipos individuales.
Gestión de activos inteligente, monitorización, mantenimiento predictivo y fiabilidad en una única plataforma.
Mejore la monitorización del rendimiento de sus aplicaciones para disponer del contexto necesario para resolver las incidencias con mayor rapidez.
Descubra cómo la empresa ferroviaria australiana Downer mejoró la fiabilidad en un 41%
Descubra cómo IBM Research impulsa el desarrollo del mantenimiento predictivo en tecnología y banca
Descubra cómo IBM puede ayudarle en su "viaje para predecir".
Descubra cómo el mantenimiento predictivo en la nube ayuda a las empresas a mejorar el rendimiento
Descubra cómo Oncor redujo las interrupciones del suministro eléctrico y mantiene a los clientes satisfechos con el mantenimiento predictivo
Descubra cómo el aeropuerto de Ámsterdam Schiphol aplicó el mantenimiento correctivo y predictivo para reducir los retrasos
Notas a 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 verdadero costo del tiempo de inactividad 2022, www.siemens.com/senseye-predictive-maintenance (enlace externo a ibm.com)