¿Qué es el mantenimiento predictivo?
¿Cómo funciona el mantenimiento predictivo?

Recogida de datos (data collection)

Minería de datos (data mining)

Cálculos y Aprendizaje Automático (“Machine Learning”)

Herramientas de Mantenimiento Predictivo, Aplicaciones y Ejemplos

Análisis termográfico y análisis de infrarrojos

Análisis de circuitos del motor

Análisis de aceite

Análisis de vibraciones

Análisis acústico

¿El mantenimiento predictivo resuelve todos los males?

Ventajas del mantenimiento predictivo

Desventajas del mantenimiento predictivo

¿Merece la pena invertir en mantenimiento predictivo?
Cómo planificar el mantenimiento predictivo en 4 pasos

Identificar los activos críticos.

Recopila información sobre el historial de los activos y los modos de fallo.

Implementa sensores para monitorizar la condición.

Prueba y experimenta con el mantenimiento predictivo.

 

No hay un responsable de mantenimiento que no quiera predecir cuándo se producirá una avería. ¿Pero cómo? IoT ha echado una mano. Gracias a los sensores y a las nuevas tecnologías que monitorizan los signos de deterioro y los cambios en el rendimiento de las máquinas, los gestores pueden estimar cuándo se producirá un fallo. Y así nació un nuevo tipo de mantenimiento, el mantenimiento predictivo.  

 

¿Qué es el mantenimiento predictivo?

El mantenimiento predictivo es una estrategia de mantenimiento proactivo cuyo objetivo es prevenir las averías. Basándose en los datos recogidos y en algoritmos predictivos predefinidos, intenta estimar cuándo se producirá una avería. Después, se programan las actividades de mantenimiento en función de estas predicciones.    

 

Ahora bien, tenemos que hacer un pequeño paréntesis. El mantenimiento predictivo se confunde a menudo con el mantenimiento basado en la condición,pero hay un matiz importante que los distingue. Mientras que el mantenimiento predictivo programa las tareas en función de los datos recogidos y las fórmulas, el mantenimiento basado en la condición sólo actúa cuando esos parámetros alcanzan niveles alarmantes.

 

⚙️ Entiende la diferencia entre el mantenimiento predictivo y el mantenimiento basado en la condición. 

 

¿Cuál es el objetivo del mantenimiento predictivo? ¿Cómo funciona?

En teoría, el concepto del mantenimiento predictivo es fácil de entender. Recoge información sobre tus activos y, a partir de ahí, extrae información que te permite calcular cuándo debes realizar el mantenimiento. En la práctica, podemos dividir el proceso en tres etapas:

 

Recogida de datos (data collection)

Como hemos visto, se trata de predecir cuándo se producirá una avería. Como esto depende de la obtención de datos de calidad, el primer paso es instalar sensores que puedan recoger información en tiempo real sobre el rendimiento y la «salud» de los equipos.  

 

Los datos que deben medir y recoger estos sensores dependen de las técnicas que quieras utilizar para monitorizar el equipo. Puedes controlar las vibraciones, la temperatura, la presión, el nivel de ruido o los niveles de corrosión, entre otros, según lo que sea más indicado para tu equipo. En un momento exploraremos varias herramientas de mantenimiento predictivo. 

 

Minería de datos (data mining)

Acumular datos sobre tus activos no sirve de nada si no sabes cómo explotarlos. Es Internet de las Cosas (IoT) lo que permite que los sensores envíen toda la información a un sistema central o a un software que te permite analizar lo que está ocurriendo. El mantenimiento predictivo es mucho más eficaz, y mucho más preciso, en los sistemas en los que los distintos activos están integrados.

 

Cálculos y Aprendizaje Automático (“Machine Learning»)

Algunas personas pueden creer que el mantenimiento predictivo se queda por aquí. Pero si sólo se actúa cuando los sensores detectan anomalías, sólo se está realizando un mantenimiento basado en la condición – como hemos visto anteriormente. El componente más diferenciador del mantenimiento predictivo es la construcción y aplicación de algoritmos que ofrezcan un pronóstico.

 

Al principio, puede basarse en el historial de los equipos, en los logs de mantenimiento y las estadísticas (los informes de tu GMAO son muy útiles en este paso). Sin embargo, a medida que la Inteligencia Artificial se vuelve más y más sofisticada, es posible detectar anomalías incluso antes, encontrar correlaciones y recibir sugerencias inteligentes para prevenir una avería. Este mantenimiento inteligente está dando lugar a un nuevo tipo de mantenimiento, el mantenimiento prescriptivo.

 

Herramientas de Mantenimiento Predictivo, Aplicaciones y Ejemplos

El concepto de mantenimiento predictivo es programar el mantenimiento según las condiciones detectadas. Por eso, es importante encontrar los ensayos no destructivos (END, o NDT, del inglés non-destructive tests) indicados para diagnosticar los fallos en la infraestructura y evaluar la salud del activo, preferentemente mientras esté en funcionamiento.

 

Los ensayos no destructivos son una técnica que no compromete ni daña el equipo analizado, como las pruebas en una cita médica de rutina. Análisis de sangre, ecografías, ecocardiografías, exámenes oculares: ninguno de ellos es dañino, pero forman parte de cualquier chequeo.

 

Las técnicas de mantenimiento predictivo utilizadas en la industria incluyen el análisis de vibraciones, de aceite, acústico, test de infrarrojos o imagen térmica (termografía) y el análisis de circuitos del motor (en inglés, motor circuit analysis).

 

Análisis termográfico y análisis de infrarrojos

  • aplicaciones: conexiones y sistemas eléctricos, sistemas de calefacción, análisis de fluidos, patrones de descarga, mantenimiento de cubiertas

 

Las técnicas de imagen también pueden aplicarse a ciertos equipos para detectar el desgaste, la corrosión, la delaminación y las desconexiones que aún no podemos ver a simple vista.

La ventaja de los infrarrojos es que permiten hacer mapas de temperatura incluso a distancia. Esta técnica de mantenimiento predictivo se utiliza, por ejemplo, en el mantenimiento de sistemas de calefacción. Las variaciones de temperatura son útiles para evaluar el estado de los motores y componentes mecánicos y eléctricos, el aislamiento del edificio e incluso el estado de los paneles solares. La gran desventaja es que no puede utilizarse en superficies reflectantes.

 

🤖 En el futuro, el análisis de la temperatura de la CPU será una de las principales formas de comprobar la salud de los robots.

 

Análisis de circuitos del motor

  • aplicaciones: evaluar la degradación del motor, la alineación del eje y del rotor, el aislamiento, los engranajes, detectar cortocircuitos

 

El análisis de circuitos del motor utiliza una técnica conocida como electric signature analysis (ESA) o análisis de la firma eléctrica, en español, para encontrar anomalías en los motores eléctricos. Además de analizar el circuito y los componentes, evalúa el voltaje y la corriente que entran en el motor. Importante: funciona con motores de CA y CC y puede utilizarse mientras el equipo está funcionando.

 

Análisis de aceite

  • aplicaciones: turbinas, sistemas hidráulicos y electrohidráulicos, evaluación de motores, transmisiones, engranajes y niveles de lubricante

 

El objetivo del análisis del aceite es comprobar la viscosidad, la cantidad de agua y la presencia de otros materiales, incluyendo los metales, para determinar el desgaste del equipo. 

 

Tengamos en cuenta un sistema hidráulico que consta de dos componentes básicos, las partes móviles y el lubricante. A medida que el equipo se desgasta, una muestra mostrará las partículas producidas por el sobrecalentamiento y el proceso de oxidación. Diferentes partículas revelan diferentes problemas mucho antes de que ocurra cualquier fallo.

 

Diferentes partículas revelan diferentes anomalías en diferentes componentes. Por ejemplo, la presencia de silicona por encima de 15 ppm puede indicar que el aislamiento se está desgastando, mientras que el sodio puede denotar contaminación por agua salada.  Sigue una guía de metales (página 71, información en inglés) cuando utilices el espectrómetro. 

 

Análisis de vibraciones

  • aplicaciones: comprobar la alineación de los componentes, detectar desequilibrios, holguras, resonancias, fallos de los engranajes  

 

El análisis de vibraciones es ideal para equipos y máquinas rotativas como compresores, bombas de agua y motores. Por lo tanto, esta técnica de mantenimiento predictivo es ideal para infraestructuras con un sistema complejo de suministro de agua, como hoteles, balnearios o parques acuáticos.

 

Lo que hacemos es conectar un sensor capaz de detectar el movimiento o la aceleración, según sea el caso. El sensor detecta las ondas sonoras creadas por el movimiento, que a su vez generan impulsos eléctricos y hacen que el equipo vibre. 

 

Análisis acústico

  • aplicaciones: tuberías y conductos, condensadores, sistemas de vacío, ventiladores, compresores de aire

 

Como hemos visto antes, las ondas de sonido son nuestras aliadas. El análisis acústico permite detectar problemas en el rendimiento técnico de los materiales, localizar el origen del problema y monitorizar la «salud» del equipo. ¿Cómo? Detectando diferencias en las frecuencias de sonido

 

Todas las máquinas en funcionamiento hacen ruido, pero la frecuencia y la amplitud cambian cuando hay fugas o cambios de presión, por ejemplo. Esta es una técnica de mantenimiento predictivo particularmente eficaz en las tuberías que transportan líquidos o gases. Algunas herramientas más modernas incorporan termómetros y cámaras para profundizar en el análisis a distancia.   

 

¿El mantenimiento predictivo resuelve todos los males?

El mantenimiento predictivo nació para prevenir las averías, pero no nos hagamos ilusiones. Siempre habrá fallos aleatorios, que son imposibles de predecir o prevenir. Además, no podemos olvidarnos de que el mantenimiento predictivo requiere una gran infraestructura. Por lo tanto, el mantenimiento predictivo sólo se recomienda para activos críticos con modos de fallo predecibles.  

 

Ventajas del mantenimiento predictivo

  • La principal ventaja del mantenimiento predictivo es actuar a tiempo, lo que reduce el downtime y aumenta la disponibilidad de los activos.  
  • Como el mantenimiento se programa en función de las necesidades, se evita el desperdicio de existencias y de mano de obra en mantenimiento innecesario.
  • Al reducir las reparaciones de emergencia y el desperdicio mencionado anteriormente, puedes controlar mejor tu presupuesto de mantenimiento. 
  • El downtime programado se planifica con antelación, lo que te permite agilizar el mantenimiento y la actividad normal de la empresa.
  • Utilización óptima del equipo durante todo el ciclo de vida. 

 

⚙️  El mantenimiento predictivo es también una base del mantenimiento lean y de la producción «just-in-time» (“justo a tiempo”).

 

Desventajas del mantenimiento predictivo

  • La necesidad de invertir en equipos de monitorización específicos, así como de formar al personal para que los utilice e interprete los datos recogidos.
  • Para los activos de baja criticidad, el mantenimiento predictivo puede no ofrecer grandes ahorros respecto a las alternativas.
  • No es adecuado para activos con modos de fallo aleatorios o sin datos iniciales para predecir las averías (en estos casos, es preferible empezar con el mantenimiento basado en la condición e ir haciendo una transición).

 

¿Merece la pena invertir en mantenimiento predictivo?

Ya hemos mencionado que el coste de implementación es elevado, pero aun así el mantenimiento predictivo tiene un alto retorno de la inversión, que puede llegar a 10 veces más la inversión. Un estudio realizado por el Departamento de Energía de Estados Unidos en 2010, cuando la instalación de sensores era aún más cara que ahora, apunta a una reducción del 25-30% en los costes de mantenimiento, un 35-45% menos de downtime y un 70-75% menos de averías.  

 

En comparación con el mantenimiento reactivo, supone un ahorro del 30-40%. En comparación con el mantenimiento preventivo, se consigue un ahorro de entre el 8 y el 12%. Según la metodología RCM (reliability-centered maintenance o mantenimiento centrado en la fiabilidad), lo ideal es que el 45-55% del mantenimiento sea predictivo, el 25-35% preventivo y sólo el 10% reactivo o correctivo.

 

Deloitte, en un estudio de 2017, es menos optimista. Aun así, el mantenimiento predictivo es muy prometedor. Este estudio sugiere que el uptime aumentará entre un 10 y un 20% y los costes de mantenimiento se reducirán entre un 5 y un 10% en la Industria 4.0. La planificación del mantenimiento podrá llevar un 20-50% menos de tiempo. 

 

Teniendo en cuenta las ventajas y desventajas que hemos mencionado anteriormente, podemos generalizar que la inversión en mantenimiento predictivo compensa para:

  • empresas con muchos gastos de funcionamiento y mucho capital invertido;  
  • empresas donde el downtime implica una gran pérdida; 
  • empresas con activos cuyas averías suponen un riesgo para la seguridad.

 

Por ello, no es de extrañar que un sector pionero en el mantenimiento predictivo fuera el de la aviación. La predicción de fallos se utiliza tanto durante el vuelo – con el control de la temperatura y las vibraciones del motor para evitar accidentes – como en tierra, para reducir los retrasos y las cancelaciones. 

 

Igualmente, hay muchas técnicas de mantenimiento predictivo utilizadas en la industria. Es fácil ver por qué: una interrupción en la producción puede causar enormes pérdidas. En los próximos años, también es probable que adquiera mayor expresión en la gestión de flotas, la sanidad, la minería y la extracción y producción de energía. 

 

Pasos para realizar el mantenimiento predictivo

Si ya has decidido invertir en mantenimiento predictivo en tu empresa, recapitula los 4 pasos que necesitas para implementarlo:

 

  • Identificar los activos críticos. 

El primer paso es identificar los activos prioritarios para incluirlos en la estrategia de mantenimiento predictivo. Da prioridad a los activos críticos para tus operaciones y a los activos con elevados costes de reparación. 

 

  • Recopila información sobre el historial de los activos y los modos de fallo.

El segundo paso consiste en reunir la información necesaria para poder convertir los datos recogidos en acciones. Si ya tienes un GMAO, es más fácil organizar el historial y desarrollar los primeros algoritmos. Al mismo tiempo, es conveniente establecer los modos de fallo y la probabilidad de que se produzcan. 

 

  • Implementa sensores para monitorizar la condición. 

Ahora que ya has definido las prioridades y los modos de fallo, puedes empezar a implementar los sensores. En los equipos nuevos esto suele ser un proceso sencillo, pero puede ser más complicado en las máquinas más antiguas. Investiga con el fabricante la mejor manera de integrar los modelos antiguos con las nuevas tecnologías. 

 

  • Prueba y experimenta con el mantenimiento predictivo. 

Prueba el funcionamiento de los sensores y la precisión de los algoritmos en unas pocas máquinas, siguiendo un ciclo PHVA. Una vez que seas capaz de programar el mantenimiento y cumplir tus objetivos, ¡amplía esta estrategia a otras máquinas!

 

El mantenimiento predictivo es ya una estrategia que da frutos y rendimientos para muchas empresas. En el futuro, a medida que IoT y la transformación digital se consolidan, será aún más dominante, asequible y eficaz en la predicción de averías.  

 

Sin embargo, una cosa está clara: el mantenimiento predictivo se beneficia de sistemas inteligentes e integrados, como los que proporcionan las Plataformas de Gestión de Mantenimiento Inteligente. ¡Habla con uno de nuestros expertos para entender cómo Infraspeak apoya tus operaciones hoy y en el futuro!