Mantenimiento predictivo: aplicación técnica y valor operativo

Imagina que puedes detectar que una máquina va a fallar, semanas antes de que el evento ocurra, por lo que evitas que las operaciones se paralicen, así como el coste y caos asociados. Esto es posible en el sector industrial, se denomina mantenimiento predictivo, un enfoque basado en el monitoreo y el análisis de datos.  

En este post te entregamos una visión integral del mantenimiento predictivo industrial, en qué consiste, cómo funciona cada una de sus fases, sus beneficios y en qué se diferencia con los demás tipos de mantenimiento. Además, te mostramos las principales herramientas que puedes utilizar.  

¿Qué es realmente el mantenimiento predictivo?

El mantenimiento predictivo PdM es una estrategia proactiva que se basa en la monitorización del estado de los activos, mediante dispositivos o sensores que suministran datos en tiempo real. Datos que se utilizan tanto para anticipar fallos como para programar intervenciones sólo cuando sean necesarias. 

PdM es el tipo de mantenimiento más avanzado. No se trata de cumplir un calendario rígido preestablecido, sino de apoyarte en los datos históricos del equipo y, principalmente, en los obtenidos en tiempo real, para estimar la porción de tiempo total hasta una avería o degradación crítica del activo. 

Antes se empleaba un enfoque de monitoreo periódico. En la actualidad se aplica el enfoque de monitoreo continuo, incluso remoto. Así que cuando los sensores arrojan datos con ciertas condiciones específicas del activo, se programan las intervenciones o inspecciones, con sus respectivas órdenes de trabajo.

• ¿De qué sensores y tipos de monitorización estamos hablando? En la práctica se emplean distintas técnicas para la monitorización de condición, dependiendo de las máquinas y entornos operativos. 
  • Por ejemplo, el análisis de vibraciones, la termografía (imágenes térmicas), los patrones de sonido, los ultrasonidos, el análisis de lubricantes, el análisis eléctrico, etc. Se pueden utilizar imágenes térmicas y sensores de temperatura para detectar puntos calientes en motores, o sensores acústicos para detectar frecuencias y patrones de sonidos inusuales en bombas y sistemas de rodamientos.
• En cada método se ejecuta:
  • La captura automática de datos, mediante sensores (de vibraciones, de sonidos, de temperatura…), la tecnología IIOT (fusión del Internet de las Cosas IoT con los sistemas de producción industrial) y los gateways industriales (dispositivos que permiten el intercambio de datos). 
  • El análisis de los datos recopilados, ejecutado por softwares impulsados por la Inteligencia Artificial IA y el Aprendizaje Automático ML. Este análisis es el que detecta los patrones más sutiles y las desviaciones más pequeñas en el estado de un equipo. 

Fases clave para implementar mantenimiento predictivo en planta

Antes de pasar a un plan de mantenimiento predictivo industrial, es recomendable que evalúes y comprendas las estrategias de mantenimiento ejecutadas hasta ahora en la planta. Por ejemplo, identifica las áreas, maquinaria o equipos en los que el método tradicional de mantenimiento ha presentado deficiencias. Además define cómo el PdM puede corregir o mejorar esos errores.

Otro aspecto a tomar en cuenta en la gestión del cambio. Cuando se adopta un sistema de mantenimiento predictivo también se están modificando algunos procesos y flujos organizacionales, se está  cambiando significativamente la cultura de la empresa. Por lo tanto, más allá de la capacitación sobre las tecnologías a implantar, es necesario incluir un plan de comunicación, para transmitir a los empleados los beneficios del PdM  y que fomente su participación en el cambio.  

Selección de equipos críticos

No todos los equipos merecen una monitorización continua. Por ejemplo, es poco eficiente destinar recursos predictivos a equipos con probabilidades de fallo mínimas, o cuyos posibles fallos generen un impacto marginal para las operaciones en planta. 

La estrategia de mantenimiento predictivo industrial debe enfocarse en aquellos sistemas críticos, los esenciales para la continuidad del proceso productivo, para la seguridad de las operaciones, para preservar la calidad del producto…. Son esos los que querrás que no fallen. 

Principales factores a considerar para evaluar la criticidad
Seguridad de personal y del medio ambiente	Evalúa el riesgo de accidentes graves y el impacto ambiental causado, en caso de que el equipo falle.
Calidad del producto	Considera la probabilidad de pérdida de calidad y las posibles reclamaciones de clientes, en caso de fallo del equipo.
Ocupación del equipo	Mide el nivel de utilización mensual del equipo. Esto indica su relevancia operativa.
Condiciones de entrega	Analiza si una parada afecta la continuidad de la línea de producción y la disponibilidad de soluciones alternativas.

 

Para evaluar todos estos criterios es habitual aplicar el método ABC. Te permite segmentar los activos según el impacto que causan al paralizarse o fallar. Básicamente, le asignas a cada activo una de las tres categoría A (alta criticidad), B (medida criticidad) y C (baja criticidad). Además, considera el coste de reemplazo y revisa el histórico de fallas. 

Por ejemplo, en el mantenimiento en maquinaria se suele monitorear de forma continua el estado de los camiones pesados de la flota. Para detectar señales del desgaste inminente de frenos o la degradación del aceite.

Sensorización e integración de datos

La sensorización es la columna vertebral de cualquier plan de mantenimiento predictivo. Por supuesto, debe alinearse con el mecanismo de fallo que se desea detectar o vigilar:

• Sensores de vibraciones. Captan la frecuencia y la amplitud del movimiento de la máquina. Se emplean para detectar desalineaciones y desgastes de cojinetes en bombas, motores, compresores, cajas de engranajes y ventiladores.
• Sensores acústicos. Miden las ondas sonoras, usualmente las que están fuera del rango auditivo humano. Se utilizan para detectar la fricción interna, las fugas o los daños en los engranajes. Por ejemplo, en las máquinas rotatorias o en los sistemas de detección de fugas de gas o aire.
• Cámaras termográficas. Son capaces de detectar la energía calorífica que emiten las superficies. Son útiles en la detección de sobrecalentamientos, fricción, conexiones deficientes o los problemas con los líquidos refrigerantes. Por ejemplo, se emplean en el mantenimiento predictivo de motores, paneles eléctricos, cojinetes y transformadores. 
• Sensores de corriente. Miden la cantidad de corriente eléctrica que consume el activo. Por lo tanto, arrojan datos que permiten detectar condiciones de sobrecarga y fallos en el aislamiento. Útiles para motores eléctricos o cintas transportadoras.
• Sensores de análisis de aceite. Aportan una visión directa de la viscosidad del lubricante, así como a la presencia de partículas o contaminantes en el aceite. Por lo que permiten determinar el desgaste interno de componentes. Se emplean principalmente en sistemas hidráulicos, cajas de cambios y motores.

Toda esta información captada en tiempo real debe centralizarse en una plataforma capaz de gestionar grandes volúmenes de datos, garantizar la calidad de los datos e integrarse a los sistemas de gestión existentes en la planta (ERP o CMMS). Es usual que se empleen plataformas Cloud, por su capacidad y escalabilidad.

Análisis de condición y tendencias

El enorme valor de toda estrategia de mantenimiento reside en la interpretación sistemática de los datos captados por los sensores IIoT. Este análisis de condición del activo, a lo largo del tiempo, es el que permite identificar las desviaciones respecto al comportamiento normal del equipo.

En esta fase es donde la IA y el aprendizaje automático brillan. Se emplean softwares avanzados con algoritmos entrenados en conocer el comportamiento “normal” del equipo y en predecir cualquier desviación. Son sistemas que se encuentran aprendiendo continuamente de cada dato histórico de la máquina o del proceso. Siemens y Oracle son algunas de las firmas tecnológicas que ofrecen este tipo de desarrollo. 

Estos algoritmos inteligentes y predictivos pueden especializarse en ciertas capacidades. Por ejemplo:

• Modelos de clasificación. Analizan las lecturas arrojadas por los sensores, para clasificarlas en los posibles problemas. Por ejemplo, en “holgura” y “desgaste de cojinetes”. Lo que facilita conocer qué intervenir, corregir o reparar antes de tocar el activo. 
• Modelos de detección de anomalías. Estos algoritmos se especializan en detectar comportamientos inusuales que, aunque no corresponden a un fallo conocido, reflejan un problema inesperado que puede convertirse en una falla crítica.

Generación de alertas y toma de decisiones

No basta con el análisis de datos. El objetivo es pasar a la acción. Por lo tanto, cuando en el análisis de datos se detecta una desviación o se predice una falla, el sistema emite una alerta en el panel de control. Además, al mismo tiempo, una orden de trabajo se genera automáticamente en el sistema CMMS. Si se requiere un repuesto, se puede generar una orden de pedido.

Por ello, hay que señalar la importancia de mantener la integración con los sistemas de gestión y de mantenimiento existentes en la planta.

Ajuste continuo del modelo predictivo

Los modelos predictivos requieren recalibración y supervisión continua. Por ejemplo, incorporar nuevos fallos, actualizar umbrales y ajustarlos a los cambios del proceso. 

Equipos donde el mantenimiento predictivo marca la diferencia

Veamos cómo un sistema de mantenimiento predictivo industrial protege a los equipos críticos de una planta industrial:

Maquinaria rotativa e instalaciones continuas

Las máquinas rotativas pueden presentar desalineación, desgaste y fatiga de rodamientos. Estos comportamientos o estados suelen detectarse mediante las mediciones continuas de sensores de vibraciones. Datos que se recopilan para analizar el espectro y determinar tendencias. 

Por ejemplo, el análisis de tendencias puede arrojar las causas de las vibraciones junto con una guía especializada sobre las acciones predictivas a implementar.

Líneas automatizadas o de difícil acceso

En líneas de producción, las estrategias de mantenimiento predictivo reducen las intervenciones manuales, los retrasos y las paradas no planificadas. Incluso ayudan a minimizar el tiempo de inactividad a la hora de las reparaciones. 

Por ejemplo, algunos de los equipos críticos a monitorizar son los siguientes:

• Cintas transportadoras. Se incorporarán sensores acústicos y de tensión en las transmisiones. Esto ayuda a detectar desalineaciones de la correa o daños en empalmes.
• Compresor de refrigeración, como en las industrias de alimentos y bebidas. Se incorporan sensores de temperatura y presión en el circuito del refrigerante. ¿Qué se detecta? Por ejemplo: fugas o suciedad de los serpentines del condensador.

Equipos de alto coste o impacto en producción

Otros de los activos en donde se justifica la inversión de estrategias de mantenimientos predictivos son los equipos cuyo reemplazo o reparación consume tiempo y capital. Por ejemplo, los hornos industriales y los compresores de alta capacidad. Incorporarlos y monitorearlos como equipos críticos minimiza el riesgo económico asociado a una avería no planificada.

¿Qué beneficios aporta el mantenimiento predictivo en entornos industriales?

Todo plan de mantenimiento predictivo tiene el poder de transformar positivamente la gestión de los activos. Los beneficios clave son:

• Eficiencia de costes, ya que permite ahorrar en preparaciones de emergencias. Además reduce los costes de mano de obra asociada al mantenimiento no planificado. 
• Extensión de la vida útil de activos. Porque las acciones de mantenimiento se realizan con base al estado real del equipo. 
• Mejora de la seguridad. Un sistema de mantenimiento predictivo industrial aborda los problemas antes de que ocurran. Por lo que se eleva la seguridad del entorno de trabajo.
• Reducción de paradas no planificadas. Sin interrupciones inesperadas mejora la productividad. 
• Decisiones basadas en datos. Todo plan de mantenimiento predictivo industrial se basa en datos, en tiempo real. Así que toda decisión e intervención se realiza con pleno conocimiento del estado de los activos o del proceso. 

¿En qué se diferencia el mantenimiento predictivo de otros enfoques?

El mantenimiento predictivo se distingue de otros tipos de intervenciones porque ofrece una ventana a la condición real del equipo. Además, depende del uso de datos y de los modelos predictivos para anticipar fallos.

Predictivo Vs preventivo

Mientras que el mantenimiento preventivo se ejecuta mediante acciones programadas con base en el tiempo del equipo o en sus horas de uso, en el mantenimiento predictivo las intervenciones se programan dependiendo de la condición real del activo. 

Por lo tanto, el PdM evita las intervenciones prematuras que pueden suceder en el mantenimiento preventivo. 

Predictivo Vs correctivo

El mantenimiento correctivo es una estrategia reactiva, en la que se actúa sólo tras la falla del equipo. Por lo que pone en riesgo la operaciones y eleva los costes por inactividad. Por su parte, comenzar un plan de mantenimiento predictivo requiere de inversión inicial, pero ayuda a reducir el coste total en el mantenimiento de los activos.

Herramientas que hacen posible el mantenimiento predictivo

Las estrategias de mantenimiento predictivo son posibles gracias al trabajo conjunto de hardwares, softwares y, por supuesto, de las herramientas físicas. Incluso tareas aparentemente simples, como limpiar superficies industriales, constituyen un factor crítico para garantizar la seguridad, la confiabilidad de los equipos y la continuidad de las operaciones en planta.

Principales herramientas tecnológicas que permiten configurar un sistema de mantenimiento predictivo industrial
Sensores	Térmicos, de corriente, acústicos, de vibraciones, etc. Son los que captan los datos del estado de los activos.
Ethernet	Es la infraestructura de comunicación local.
IIoT- Internet Industrial de las Cosas.	Es el ecosistema interconectado de dispositivos, sensores inteligentes, softwares y máquinas dentro de un entorno industrial, para permitir la supervisión continua y la recopilación de datos sobre el estado de los equipos. IIoT se apoya en gateways que recogen información desde redes Ethernet o sensores inalámbricos y la envían a plataformas analíticas.
Software CMMS avanzado, que integre algoritmos con funciones predictivas	Es la plataforma analítica.

 

Herramientas físicas y maquinaria que permiten aplicar el plan de mantenimiento predictivo
Plataforma unipersonal	Es un elevador con capacidad para 1 trabajador. Facilita los trabajos en altura, con una elevación de hasta 14 metros. Cuenta con una estructura ligera y compacta.
Tijera eléctrica	Plataforma de elevación extensible. Permite trabajar a una altura máxima de 14 m.
Herramientas de limpieza	Aspiradores: eléctricos, de micropolvos, de polvos húmedos, etc. Fregadoras y barredoras. Hidrolimpiadoras de agua fría o caliente.
Aire comprimido	Para el mantenimiento de superficies.

¿Cómo aplicar mantenimiento predictivo en plantas poco digitalizadas?

El mantenimiento predictivo en plantas con bajo nivel de digitalización supone un reto técnico. Integrar nuevas tecnologías IoT en sistemas industriales complejos, antiguos o con máquinas no diseñadas para la monitorización inteligente puede resultar complejo y costoso. 

Además, el mantenimiento predictivo no se limita a capturar datos de sensores. Su verdadero objetivo es tener la capacidad de procesar y analizar los grandes volúmenes de datos que se recopilan, para convertirlos en decisiones técnicas fiables. A todo ello se suma un aspecto crítico en todo entorno en donde prevalece la conexión de equipos industriales a redes IIoT: la ciberseguridad.

Sin embargo, en el mercado existen soluciones de conectividad inalámbrica descentralizada que ofrecen una infraestructura de red escalable. Con este tipo de tecnología, las plantas poco digitalizadas pueden integrar sensores IoT de forma progresiva y aplicar el mantenimiento predictivo industrial, sin tener que reorganizar o cambiar la infraestructura existente. 

Se trata de softwares de conectividad inalámbrica para implementaciones industriales, en donde cada sensor funciona de manera independiente. Lo que facilita la incorporación escalonada de nuevos activos y reduce los costes de instalación. Además, cuentan con arquitecturas capaces de gestionar grandes cantidades de datos y suelen ofrecer un alto nivel de protección ante la ciberamenazas.

Por lo tanto, las estrategias de mantenimiento predictivo se convierten en enfoques viables y adaptables al ritmo y a las capacidades de las plantas poco digitalizadas.

Además, en materia de herramientas y maquinarias para el mantenimiento industrial, siempre tienes la opción del alquiler.

En LOXAM te ayudamos y guiamos en el mantenimiento de equipos. Te ofrecemos soluciones especializadas en el alquiler de herramientas de limpieza y de maquinaria para trabajos en altura. Contacta con nuestros expertos.