Si piensas que el mantenimiento prescriptivo es un error tipográfico, no lo es. Aquí aprenderás las diferencias entre monitoreo de la condición, mantenimiento predictivo y mantenimiento prescriptivo.

 

Al principio, había un mantenimiento basado en el tiempo. El mantenimiento preventivo era la mejor forma de evitar averías y preservar los activos y todo el mundo estaba de acuerdo en esto. Sin embargo, no siempre actuaba en el momento ideal. Así, a lo largo del tiempo, el mantenimiento evolucionó naturalmente hacia el monitoreo de la condición. Esto permitió a los gestores ajustar los planes de mantenimiento y matar dos pájaros de un tiro: evitar averías y el mantenimiento excesivo.

 

Cuando apareció, el monitoreo de la condición se centraba en inspecciones frecuentes realizadas por técnicos altamente calificados. A medida que los sensores se hicieron más comunes y el IoT se desarrolló, empezó rápidamente a depender de máquinas. Hoy en día está, en su mayoría, automatizado. Si implementaste sensores para controlar la vibración y la temperatura, por ejemplo, puedes ligarlos a tu plataforma de mantenimiento. Ahora, con una conexión cada vez mayor, el monitoreo de la condición de forma remota y wireless solo puede crecer.

 

¿Qué es el mantenimiento preventivo?

Cuando se empezó a hacer un análisis avanzado de los datos de los sensores, surgió otro tipo de mantenimiento. El monitoreo de la condición y el análisis de datos significó el desarrollo del mantenimiento predictivo (PdM). Aunque algunas personas todavía creen que el monitoreo de la condición y el mantenimiento predictivo son lo mismo, este último está un paso por delante. Extrapola datos para extraer modelos, identificar riesgos y predecir cuándo va a producirse una avería.

 

Puede integrarse con otros conjuntos de datos, incluso procedentes de fuentes externas. A título de ejemplo, algunas empresas cruzan sus datos con datos meteorológicos. Esto sucede en industrias con equipos en exteriores, tales como la agricultura o la extracción de petróleo o gas. El algoritmo de mantenimiento predictivo de estas empresas tiene en consideración el desgaste y deterioro causado por condiciones meteorológicas adversas, tales como el viento y la lluvia.

 

Las ventajas son innegables. El mantenimiento predictivo da a los gestores de mantenimiento una mayor percepción y comprensión del rendimiento de los activos. Desafortunadamente, implica inversiones elevadas en técnicas de monitoreo de la condición y en especialistas en datos. Así, aunque se esté convirtiendo en algo común, se aplica sobre todo a activos críticos. Ocupa un lugar destacado en la industria 4.0.

¿Qué es el mantenimiento prescriptivo o RxM?

Pero entonces, ¿qué es el mantenimiento prescriptivo (también conocido como RxM)? Algunas personas lo describen como «mantenimiento predictivo con IA», pero es mucho más que eso. Aunque el software de mantenimiento ya puede hacer sugerencias inteligentes –como es el caso de nuestro Infraspeak Gear™– no podemos llamar a estas sugerencias de «prescripción». El mantenimiento prescriptivo no se limita a la previsión de fallos. A través de situaciones de «y si…», hace recomendaciones para evitarlos o atrasarlos.

El mantenimiento prescriptivo requiere un sistema cognitivo que pueda aprender, adaptarse y comprender informaciones imprevisibles. Combina el análisis de datos de mantenimiento predictivo con big data, IA y machine learning. Como consecuencia, requiere de una gran infraestructura informática. Debe señalarse que puede ser todavía más preciso si se integra con datos que no son necesariamente del departamento de mantenimiento, pero sí de control de calidad o de ingeniería.

 

Si esto parece el futuro del mantenimiento y de la gestión de instalaciones es porque lo es. Solo que.. el futuro ya está aquí. Algunas empresas, como IBM, ya están aplicando programas de mantenimiento prescriptivo basado en la nube. También existen modelos prescriptivos para los sistemas de producción cibernética de la Industria 4.0. Claro que, al igual que el mantenimiento predictivo, requiere de inversión y perfeccionamiento de algoritmos de deep learning.

 

Una empresa que tuvo éxito nada más empezar su programa de mantenimiento prescriptivo fue ThyssenKrupp. El programa de previsión puede prever averías de un ascensor debido a un problema en la puerta con 5 días de antelación. En base a estos datos, el modelo prescriptivo ofrece las 4 causas más probables del problema. Los técnicos consiguen resolver el problema en la primera visita en el 90 % de las ocasiones, lo que aumenta la satisfacción del cliente.

 

Ventajas del mantenimiento prescriptivo

El mantenimiento prescriptivo tiene los mismos beneficios que el mantenimiento predictivo. ¡Pero mejorados! Si utilizas la IA en tu empresa, te darás cuenta de que hay:

 

  • menos dowtime de los equipos no planeado:
  • mayor productividad, debido a la mejora del mantenimiento; 
  • más rentabilidad, debido a una mayor productividad; 
  • más colaboración virtual, teniendo en cuenta que los datos están disponibles remotamente; 
  • el mantenimiento digital prescriptivo tiene una gran capacidad de expansión. 

 

¿Cuáles son las diferencias entre el mantenimiento predictivo o prescriptivo?

 

Previsión vs. prescripción

Como ya explicamos, el mantenimiento predictivo recoge los datos de monitoreo de la condición. Después, detecta una potencial avería utilizando algoritmos avanzados. El análisis de la vibración, por ejemplo, detecta un desalineamiento cerca de 3 meses antes de que cause una avería. Sin embargo, además exige que los gestores tomen medidas. Deben analizar los datos, decidir qué hacer y crear una orden de trabajo.

En este caso, el mantenimiento prescriptivo crea automáticamente una orden de trabajo para corregir el desalineamiento y la envía a los técnicos. No requiere de ninguna intervención de los gestores y supervisa el equipo automáticamente. Esto se traduce en una mayor disponibilidad y productividad, además de que permite el mantenimiento remoto.

 

 

Evitar vs. atrasar

Otra diferencia es que el mantenimiento prescriptivo analiza escenarios «y si». El mantenimiento predictivo detecta un riesgo que requiere de acción e intervención humana. El mantenimiento prescriptivo puede utilizar datos históricos y extraer modelos para ofrecer posibles escenarios. Puede sugerir «reducir la velocidad en un 50 % para duplicar el tiempo que el activo tardará en averiarse», lo que es útil si hay una baja disponibilidad de piezas.

 

 

Es como si el mantenimiento prescriptivo pudiese ejecutar un plan de confiabilidad de forma autónoma. Incluso en casos menos simples, los gestores pueden escoger el escenario que tenga menos impacto en la productividad o en la seguridad de las instalaciones. Pueden también utilizar estos algoritmos para prever costes y necesidades. No es sorprendente que los pioneros en la implementación de este tipo de mantenimiento estén adoptando abordajes centrados en los resultados.

 

 

La evolución natural del mantenimiento

Al principio, había un mantenimiento preventivo basado en el tiempo. Después, el monitoreo de la condición lo sincronizó con el reloj de los activos. Más tarde, se analizaron estos datos y se consiguió llevar las cosas un poco más lejos con un análisis avanzado. Se había creado el mantenimiento predictivo. Ahora, es el momento de volver a evolucionar. 

 

A medida que el machine learning y la IA evolucionan, estamos desarrollando algoritmos y modelos cada vez más precisos. El mantenimiento prescriptivo considera todos los datos disponibles para «prescribir» acciones y mejorar la confiabilidad y la productividad. Aunque en un estado embrionario, ¡es la evolución natural del mantenimiento!