Saltar al contenido
Usar tecnologías de mantenimiento predictivo para optimizar el rendimiento de los activos empresariales

¿Qué es el mantenimiento predictivo?

Las tecnologías de mantenimiento predictivo permiten escuchar lo que sus activos empresariales están intentando decirle. Las máquinas de sus fábricas, su flota de camiones, su equipamiento industrial, han estado hablando con usted durante años. Le han estado diciendo cuándo están a punto de descomponerse y qué necesitan para funcionar más tiempo y con mayor fluidez.  

 

El mantenimiento predictivo permite a las empresas anticiparse a las fallas y programar de inmediato el mantenimiento cuando y donde sea necesario. Equipa a las empresas con la información que necesitan para impulsar el máximo rendimiento de sus valiosos activos, pero con la confianza de no estar llevándolos al extremo de que corran el riesgo de sufrir una avería costosa.

Definición de mantenimiento predictivo: el mantenimiento predictivo busca evitar fallas y downtime del equipamiento conectando los activos empresariales habilitados para IoT, aplicando analíticas avanzadas a los datos en tiempo real que proporcionan y utilizando la información estratégica resultante para informar protocolos de mantenimiento fundamentados, rentables y eficientes. 

¿Por qué el mantenimiento predictivo es tan importante para los negocios de hoy?

Las empresas modernas se encuentran en una época de cambio y competencia sin precedentes. El efecto Amazon ha llevado a un rápido aumento de las demandas de los consumidores respecto al control, la personalización y la velocidad. Un clima comercial y político cambiante ha dejado a muchas empresas luchando por mantener relaciones de suministro y fabricación asequibles. Y a medida que cada vez más empresas se embarcan en la transformación digital, la competencia aumenta y el margen de error es cada vez más escaso. Como resultado, los líderes de negocio de hoy buscan obtener una ventaja competitiva a través de soluciones inteligentes, que prevean cuándo se necesita el mantenimiento de activos, ayuden a aumentar la eficiencia de costos y optimicen sus requisitos de gestión de activos empresariales, a menudo complejos. 

placeholder

Caso de uso de Swiss Federal Railways

Escuche cómo el mantenimiento predictivo ayudó a lograr la excelencia operativa.

¿Cuál es la diferencia entre el mantenimiento reactivo, preventivo y predictivo?

La diferencia en estos tres modelos de mantenimiento no radica tanto en cómo se llevan a cabo las tareas de mantenimiento, sino cuándo.

  • Mantenimiento reactivo: esto es esencialmente el acto de no hacer nada hasta que algo se rompa. Como estrategia de mantenimiento, esto no suele ser practicado por grandes empresas por razones obvias. Sin embargo, puede ser una práctica no intencionada si determinadas piezas y componentes se dejan fuera de la rotación regular de los programas de mantenimiento tradicionales. El mantenimiento reactivo siempre tiene lugar después del hecho.
  • Mantenimiento preventivo: esto es informado por el rendimiento pasado y el conocimiento y la experiencia de ingenieros y operadores. Incluye el mantenimiento rutinario, periódico, planificado o basado en el tiempo. De hecho, a menudo evita averías, pero lamentablemente puede ser inexacto, lo que puede llevar a un mantenimiento costoso antes de que sea necesario o a debilidades inadvertidas en el proceso de mantenimiento. El mantenimiento preventivo se realiza en momentos preestablecidos, a menudo con mucha antelación.
  • Mantenimiento predictivo: esto es posible cuando las redes de internet de las cosas (IoT) integran a todos los activos empresariales en un ecosistema en vivo. La capacidad de transmitir y analizar datos en tiempo real significa que el estado de los activos  en vivo  –en lugar de calendarios– se convierte en la base de los protocolos de mantenimiento. El mantenimiento predictivo se realiza en tiempo real, exactamente cuando y donde se necesita.

La siguiente tabla (adaptada de Deloitte) muestra la progresión de las capacidades tecnológicas a lo largo de las revoluciones industriales y el impacto resultante en las estrategias de mantenimiento y la efectividad del equipamiento.

Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component

¿Cómo funcionan el mantenimiento predictivo y las analíticas de IoT?

El primer paso en el proceso de mantenimiento predictivo conlleva la recopilación de datos e información en tiempo real de activos de red IoT conectados en toda la empresa. Estos datos deben almacenarse y gestionarse de forma que se puedan procesar, acceder y analizar fácilmente. El componente “predictivo” entra en juego cuando se aplican tecnologías de inteligencia artificial (IA) y machine learning a los datos para que comiencen a contar una historia útil y accionable.

 

Hay cuatro etapas básicas para la arquitectura de mantenimiento predictivo y una red de IoT industrial (IIoT):

Los cuatro pasos del proceso de mantenimiento predictivo

El proceso de mantenimiento predictivo

  1. Detectar y recopilar datos mediante tecnologías de mantenimiento predictivo (por ejemplo, imágenes térmicas o vibraciones)
  2. Transmitir esos datos, en tiempo real, a través de la red a un sistema empresarial central
  3. Aplicar tecnologías inteligentes como IA y analíticas de machine learning a esos datos, para que brinden la información estratégica más útil y relevante 
  4. Tomar medidas rápidas sobre esa información estratégica basada en datos para establecer los protocolos de mantenimiento y respuesta requeridos (tanto humanos como automatizados)

Monitorear las condiciones de los activos y aprovechar las tecnologías de mantenimiento predictivo

El mantenimiento predictivo es posible a través de sistemas ciberfísicos que ayudan a integrar máquinas y activos empresariales en una red inteligente de IoT. Comienza por identificar las condiciones de los activos que se deben monitorear, ajustando sensores y estableciendo una red de IoT y, por último, recopilando y analizando datos de esa red para brindar hallazgos e información estratégica accionables. Identificar estas condiciones que deben supervisarse es el primer paso crucial para transformar la gestión de activos empresariales de un negocio a través del mantenimiento predictivo. 

 

Condiciones de monitoreo

 

Inicialmente, los gerentes deben establecer las condiciones que deben ser monitoreadas para cada máquina. Ese análisis puede ser visual, auditivo, térmico o, lo más habitual, una combinación de esos criterios y más. El paso tecnológico en este punto consiste en determinar los sensores y herramientas de seguimiento correctos que deben instalarse: 

  • Análisis de vibración: pequeños cambios en los patrones de vibración pueden indicar desequilibrio o desalineación, mientras que los altos niveles de vibración pueden indicar rodamiento inminente u otros problemas. El análisis de vibración puede dar advertencias tempranas de falla y es particularmente útil para detectar desequilibrio, desalineación, holgura mecánica, o partes desgastadas o dañadas.

  • Análisis sonoro y ultrasónico: durante el funcionamiento normal, la mayoría de los sistemas crean patrones de sonido estables. Los cambios en el patrón sonoro de referencia pueden indicar desgaste u otros tipos de deterioro. Los análisis ultrasónicos también pueden dar información sobre la salud general del sistema al traducir sonidos de alta frecuencia (tal como los producidos por vapor o fugas de aire) en el rango audible.

  • Análisis infrarrojo: al igual que con el análisis ultrasónico, la termografía también descubre lo oculto mediante el uso del análisis infrarrojo para traducir los cambios de temperatura en un espectro visible. Incluso cambios muy sutiles en las temperaturas normales de funcionamiento pueden advertir de problemas inminentes.

  • Análisis de fluidos: más allá de simplemente monitorear los niveles y la temperatura, el análisis físico y químico de fluidos puede dar información valiosa sobre el estado de los componentes mecánicos. Al ver la tasa de degradación en refrigerantes y lubricantes, se pueden tomar medidas preventivas tan pronto como esta información estratégica lo justifique.

  • Otros: otras tecnologías de mantenimiento predictivo están especializadas para varias necesidades industriales específicas. Incluyen: alineación por láser, monitoreo de circuitos eléctricos, detección de grietas, monitoreo de corrosión, cambios de resistencia eléctrica y otros medios específicos de la industria para medir la corrosión o el deterioro.
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component

Tecnologías de mantenimiento predictivo

 

Una vez establecidos los criterios anteriores, los sensores y monitores adecuados deben instalarse y conectarse a un sistema de negocio central, normalmente un sistema de planificación de recursos empresariales (ERP), a través de una red IoT conectada a la nube. Por último, se deben implementar las soluciones de software impulsadas por IA necesarias para dar soporte a los diversos algoritmos y procesos analíticos requeridos para brindar información estratégica y recomendaciones accionables a partir de los datos recopilados.

  • Red de IoT:  cuando los activos empresariales se aumentan con sensores, capacidad de procesamiento y otras tecnologías, pueden enviar y recibir datos –generalmente a través de conectividad en la nube– desde y hacia un sistema de negocio central. Esto comprende una red IoT y respalda la estrategia de mantenimiento predictivo.

  • Puertas de enlace de IoT: muchos activos antiguos todavía funcionan perfectamente bien, pero su tecnología analógica es anterior a la integración digital. Estas máquinas se pueden equipar con dispositivos de puerta de enlace IoT, que pueden incluir cámaras, micrófonos y termómetros, para recopilar y transmitir datos en tiempo real sobre sus estados operativos.

  • Conectividad en la nube: la conectividad en la nube proporciona la disponibilidad on-demand de recursos del sistema informático. En una red de IoT compuesta por varios activos industriales, es crítico que los centros de datos de varias ubicaciones se integren en una única base de datos y sistema.

  • Base de datos moderna y ERP: las bases de datos basadas en disco heredadas no están bien equipadas para gestionar los voluminosos y no lineales datos que comprenden Big Data y data sets complejos. Además, el mantenimiento predictivo utiliza IA y machine learning para realizar analíticas avanzadas sobre dichos datos. Todo este proceso es mejor atendido por un ERP moderno potenciado por IA con una base de datos in-memory que sea rápida, con capacidad de respuesta y casi infinitamente escalable.

  • IA y machine learning: el pionero científico informático John McCarthy define a la IA como "la ciencia y la ingeniería de hacer máquinas inteligentes". Machine learning es un subconjunto de la IA que utiliza algoritmos para analizar y comprender datos. Las soluciones de mantenimiento predictivo dependen de la IA y machine learning no solo para clasificar, comprender y aprender de los datos operativos de los activos empresariales, sino para extrapolar ese conocimiento con recomendaciones e información estratégica accionables.

  • Analíticas avanzadas: IA y machine learning potencian las analíticas avanzadas. Los gerentes deben determinar los atributos y las condiciones que se evaluarán y los resultados analíticos deseados. De esta manera, los algoritmos que fundamentan las analíticas avanzadas se pueden programar para que sean lo más esclarecedores y accionables posible, y para aprender mejor de los datos y las nuevas experiencias a lo largo del tiempo.

  • Gemelos digitales: un gemelo digital es solo eso: una recreación virtual de un activo físico real. Creando gemelos digitales, los gerentes pueden visitar cualquier escenario operativo posible sobre el gemelo –sin riesgo de daño real en una máquina o un dispositivo costoso–. Esto ayuda a aumentar el mantenimiento predictivo permitiendo que machine learning y las herramientas de IA incorporen y aprendan de experiencias que nunca ocurrieron.

Ejemplos de casos de uso de mantenimiento predictivo

  • Industria del petróleo y el gas: la perforación de petróleo genera un enorme desgaste en los activos y puede llevar a un gran riesgo y peligro en caso de falla. A través del monitoreo en tiempo real de los cambios en la temperatura del petróleo y la velocidad de las cajas de cambios en el equipamiento de perforación, el mantenimiento predictivo ha mejorado mucho la seguridad y reducido los costos de mantenimiento en hasta un 38%.
  • Industria automotriz: en las líneas de ensamblaje, los soldadores de punto realizan alrededor de 15.000 puntos de soldadura al día.  Conectando soldadores en todo el mundo y recopilando sus datos operativos, los fabricantes de automóviles pueden reunir millones de puntos de datos, lo cual lleva a una precisión predictiva sin precedentes respecto a la condición y el estado de dichos activos.
  • Fabricación de electrodomésticos: las mediciones de vibración de la rotación del tambor en el proceso de producción del secador han ayudado a predecir las fallas de funcionamiento o averías. Esta aplicación de mantenimiento predictivo  ha eliminado los defectos de fabricación en un 33% y ha reducido los costos de mantenimiento de los consumidores en un 27%.
  • Gestión de activos ferroviarios: los “vacíos” se producen cuando se genera un espacio vacío bajo una vía que podría llevar a un posible retraso o incluso descarrilamiento. La innovación reciente ha llevado a sistemas de monitoreo basados en cables que pueden detectar una serie de variables a medida que se desplazan sobre los rieles. Esto ha llevado a una mejor detección de vacíos y a un aumento general de la seguridad del usuario.
  • Industria del acero: la detección de anomalías se está utilizando para recopilar lecturas en tiempo real de la vibración, la velocidad de rotación y la corriente eléctrica (amperes) en el equipamiento de laminación en frío utilizado en el procesamiento de acero. Esta aplicación ha dado lugar a una mejora del 60 % en la vida útil del equipamiento y ha reducido en gran medida las pérdidas debidas al downtime y los retrasos.

Beneficios del mantenimiento predictivo

La implementación de sistemas de mantenimiento predictivo ha dado resultados sorprendentes en múltiples industrias.

El mantenimiento predictivo aumenta la productividad en un 25%, reduce las averías en un 70% y reduce los costos de mantenimiento en un 25%.

Deloitte

Curiosamente, no es que la idea  del mantenimiento predictivo sea algo nuevo. Durante décadas, las empresas se han esforzado por lograr una mayor previsibilidad en el mantenimiento de sus activos –pero se requirió el auge de tecnologías como IA y sistemas de ERP modernos para brindar la capacidad y funcionalidad necesarias para lograr soluciones de mantenimiento predictivo que realmente funcionen–. Los beneficios incluyen:  

  • Mejor visibilidad de todas sus operaciones: mayor visibilidad de los activos de campo y otros activos fuera de las instalaciones. Esto permite a los fabricantes de equipos originales y a los proveedores de servicios externos ofrecer un mejor valor y servicios más fundamentados.
  • Menores costos de mantenimiento y mejor rendimiento de los activos: el mantenimiento predictivo conduce consistentemente a un mejor uso de los recursos existentes, una reducción del downtime y la extensión de la vida útil de activos valiosos.
  • Equipos más empoderados: cuando los operadores de activos, los proveedores de servicios y los gerentes de cadena de suministro están armados con ciencia de datos y analíticas en tiempo real, pueden desarrollar cronogramas de mantenimiento que funcionen –se convierten en planificadores y estrategas en lugar de bomberos–. 

Próximos pasos para transformar su cadena de suministro con soluciones de mantenimiento predictivo

Muchas empresas no han cambiado sus estrategias de mantenimiento de activos en décadas, a pesar de haber modernizado otras áreas de su negocio. Cambiar los procesos de larga duración es un desafío y puede resultar difícil obtener la aceptación de sus equipos. Los planes de transformación de negocio más exitosos comienzan con una buena estrategia de comunicación y gestión de cambios –para ayudar a comprometer a sus equipos y eliminar los silos–. Hable con su proveedor de software para saber más sobre qué herramientas y soluciones funcionarán mejor para sus necesidades específicas y para avanzar con su road map y recorrido de transformación digital.

placeholder

Explore SAP Predictive Asset Insights

Maximice el rendimiento de sus activos con modernas herramientas de mantenimiento predictivo.

SAP Insights Newsletter

placeholder
Suscríbase hoy

Obtenga información estratégica clave suscribiéndose a nuestro newsletter.

placeholder

SAP Insights Newsletter

Obtenga información estratégica clave suscribiéndose a nuestro newsletter.

Lectura adicional

Volver al inicio