Mantenimiento predictivo: Qué es y para qué sirve

Existen muchas estrategias en la industria orientadas a gestionar el mantenimiento adecuado en cada contexto. Ya hemos visto con anterioridad el mantenimiento preventivo y el mantenimiento correctivo, y ahora es el turno de ver en profundidad el mantenimiento predictivo.

Respecto al mantenimiento predictivo, hay una diferencia clave con los otros dos tipos de mantenimiento. Y es que el predictivo no obedece generalmente a una agenda estándar de mantenimiento sistemático previo o reactivo, sino que se apoya en el análisis de datos en tiempo real para conocer con exactitud qué va a fallar y cuándo. Veámoslo en profundidad.

Qué es el mantenimiento predictivo

El mantenimiento predictivo es el sistema de predicción de errores basado en el análisis de datos en tiempo real y la evaluación continua de los componentes. La definición de mantenimiento predictivo suele confundirse con la de preventivo en tanto que se ejecuta antes de que los errores sucedan, pero hay una diferencia clave: en el mantenimiento predictivo los datos mandan. De esta forma, tenemos que:

• El mantenimiento preventivo obedece a un calendario (“deberías revisar esta pieza cada dos meses porque tiene una vida útil de ocho o nueve semanas”).
• El mantenimiento predictivo responde a unos datos (“deberías revisar esta pieza porque ha aumentado la temperatura media en este último mes”).

Un sistema de mantenimiento predictivo puede concluir que es necesario cambiar una pieza que a lo mejor era la que menos te preocupaba ayer. Las decisiones de los equipos de mantenimiento predictivo son sólidas y están generadas a partir de los datos en tiempo real que arrojan tus equipos, y tiene una cobertura más precisa que una agenda basada en otros datos más estáticos (como una fecha de caducidad o una estadística).

¿Por qué en la actualidad es tan importante?

En la actualidad, el mantenimiento predictivo es una herramienta imprescindible para el monitoreo de piezas y componentes cuya vida útil puede variar como consecuencia de múltiples factores dinámicos. El desarrollo de tecnologías como el Industrial Internet of Things o la tecnología de sensores ha propiciado una mayor y mejor comunicación entre los dispositivos, los datos que arrojan y la toma de decisiones, tanto de manera automática como humana.

Era lógico, por tanto, que surgiese un tipo de mantenimiento basado en el análisis integral de todo lo que sucede en la fábrica en tiempo real. A esto hay que sumar la irrupción de la inteligencia artificial, el actor revolucionario que está ayudando a optimizar tareas y abriendo las puertas a una mejora continua constante.

En el siguiente esquema podemos ver la correlación entre los tres tipos de mantenimientos (preventivo, predictivo y correctivo) y cómo se optimizan los recursos en función del número de errores y el costo que supone aplicar un tipo u otro de mantenimiento:

Ventajas de realizar un mantenimiento predictivo en las fábricas

Las ventajas del mantenimiento predictivo son innumerables, y todas ellas giran en torno a la optimización de recursos y tiempo. Veamos algunos ejemplos:

Ahorro de costes

Como hemos visto en el esquema anterior, un sistema de mantenimiento predictivo es, a la larga, más económico que otros sistemas como el preventivo (porque a veces consume recursos innecesarios en revisar piezas que están bien, solo porque lo dictamine un calendario) o el correctivo (porque cuando este se realiza, suele ser porque se ha llegado a una situación no deseada).

Mayor rendimiento

Al estar bajo constante supervisión, las piezas y componentes experimentarán menos averías, lo cual tendrá un impacto directo en su vida útil y en la actividad general de la fábrica.

Mayor fiabilidad

El mantenimiento predictivo genera mayor fiabilidad en el funcionamiento de todos los equipos, ya que sincroniza la gestión de activos entre diferentes herramientas, como por ejemplo el Sistema MES o los sistemas de gestión de almacenes, y por tanto hay una vigilancia constante en el funcionamiento integral de la fábrica.

Mejora general

Al integrar un plan de mantenimiento predictivo, se producen mejoras en los índices del tiempo medio entre errores (MTBF, “Mean Time Between Failures”, en inglés) o el tiempo medio de reparación (MTTR, “Mean Time To Repair”, en inglés), lo cual repercute positivamente en la productividad y la calidad del trabajo de los operadores.

Cómo funciona el mantenimiento predictivo

Como ya hemos comentado, el mantenimiento predictivo funciona mediante la captura de datos, su análisis y su representación en tiempo real, con el objetivo de anticipar fallas antes de que sucedan. “Lo predictivo” entra en el momento en que tecnologías como la inteligencia artificial (IA) o el machine learning (ML) son capaces de anticipar eventos basados en estos datos. El procedimiento del mantenimiento predictivo se podría simplificar en estos cuatro pasos:

1. Recepción de datos arrojados por los dispositivos mediante sensores.
2. Transferir estos datos en tiempo real a un sistema que coordine todo (generalmente, el Sistema MES)
3. Aplicar tecnologías de predicción como la IA o el ML y obtener predicciones.
4. Ejecutar acciones basadas en esas predicciones, ya sea con una respuesta automática o humana.

Cómo implementar sistemas de mantenimiento predictivo en una fábrica

Ya hemos visto que los principales recursos para implementar sistemas de mantenimiento predictivo son la recepción de datos en tiempo real, su procesamiento y las tecnologías predictivas de IA o ML.

Otros recursos importantes en el mantenimiento predictivo son los sistemas de gestión de mediciones de activos. Son laboratorios que pueden medir desde el desgaste hasta los defectos de fabricación de una pieza o componente.

En estos laboratorios industriales, las mediciones más habituales que realizan son: análisis de vibraciones, de desgaste, sonoro, ultrasónico, infrarrojos, ultravioletas, de fluidos, de corrosión, alineaciones láser, etc.

Muchas fábricas cuentan con sus propios laboratorios de gestión de mediciones, pero otras tienen que externalizar dichas mediciones a otras empresas. Sea cual sea la opción empleada, es importante que los informes generados a partir de las mediciones puedan exportarse a una base de datos y no se queden en un mero documento consultable (pdf o similar). En Captia tenemos experiencia integrando datos proporcionados por los laboratorios de mediciones. Pídenos una consultoría industrial para más información.

Ejemplos de mantenimiento predictivo en la industria

Cada industria tiene su propia estrategia de mantenimiento. Por ejemplo, en el caso del mantenimiento correctivo, hay fabricantes de mercancía al por mayor que prefieren usar las piezas hasta su extenuación y rotura y simplemente sustituirlas, antes que interrumpir el tiempo de producción para conocer su estado. Respecto al mantenimiento predictivo, algunos de los sectores industriales que lo priorizan son:

• Industria aeroespacial: Este es uno de los principales sectores que utiliza el mantenimiento predictivo moderno. La realización constante de pruebas extremas de resistencia de las piezas es una práctica habitual que ha sustituido el análisis preventivo en los aviones (cuyas piezas antes simplemente se inspeccionaban con cierta frecuencia, sin más). Ni qué decir que esta es una industria que antepone la predicción a la reacción, ya que el más leve fallo en un avión es un escenario no deseado para ninguna aerolínea.
• Industria sanitaria: Otro de los sectores donde no se puede permitir un error es en el sanitario, especialmente en maquinarias más sensibles como las de resonancia magnética (MRI), rayos X, operaciones láser y demás, donde una máquina mal calibrada o defectuosa puede ocasionar graves daños en la salud de las personas. Por eso, estas máquinas están bajo constantes análisis en tiempo real, y cuentan con funciones de bloqueo inmediato (killswitch) en caso de la más mínima anomalía.
• Industria energética: La industria de las energías renovables también someten sus equipos a constantes análisis predictivos. Por ejemplo, los parques eólicos cuentan con molinos llenos de sensores que miden la resistencia en la turbina, el viento, la temperatura del eje de rotación, y otros KPIs.

Conclusiones

Al implementar un sistema robusto de datos transversales entre los diferentes departamentos de la fábrica junto con herramientas de predicción de eventos, podremos alcanzar los objetivos del mantenimiento predictivo: mayor rentabilidad, productividad y ahorro de tiempo y recursos.

En Captia somos expertos en estrategias de digitalización de fábricas, orientadas a maximizar tu productividad y el ahorro de costes ¡Pídenos una demostración!