Software CMMS para ingenieros de confiabilidad: seguimiento de equipos problemáticos e integración con RCM

Los ingenieros de confiabilidad usan los CMMS de manera diferente a los gerentes de mantenimiento o a los operadores de planta. Su necesidad principal es el historial de fallas: detallado, estructurado y consultable, que permita el análisis de causa raíz, la validación de FMEA y la identificación de los equipos más problemáticos. La mayoría de los sistemas CMMS recopilan órdenes de trabajo pero no datos de fallas en una forma que pueda utilizar el análisis de confiabilidad. La diferencia está en la estructura de los datos: una orden de trabajo que diga "se reemplazó el rodamiento del compresor de la línea 3" es historial de mantenimiento. Una orden de trabajo que registre modo de falla (desprendimiento por fatiga), componente (anillo interior), causa probable (lubricación insuficiente), acción correctiva (reemplazado por un rodamiento mejorado, aumento de la frecuencia de mantenimiento preventivo) y tiempo hasta la falla desde el último reemplazo es datos de confiabilidad. Los sistemas CMMS que obligan a los ingenieros de confiabilidad a construir esta estructura mediante campos personalizados y extracción de datos, en lugar de una taxonomía nativa de modos de fallo, añaden una sobrecarga analítica significativa. Los mejores CMMS para ingenieros de confiabilidad son aquellos que capturan los datos de fallas en el momento en que el técnico completa la orden de trabajo —mediante menús desplegables estructurados para modo de falla, causa y acción correctiva— y no aquellos que dependen de notas en texto libre que deben analizarse retrospectivamente.

Los cálculos de Mean Time Between Failures (MTBF) y Mean Time To Repair (MTTR) requieren una calidad de datos en el CMMS que la mayoría de las organizaciones subestima. MTBF necesita marcas de tiempo precisas del evento de fallo —el momento en que el activo dejó de funcionar, no cuando se creó la orden de trabajo—. MTTR necesita marcas de inicio y fin de la orden de trabajo que reflejen el tiempo real de reparación, no el tiempo de tramitación administrativa. En la mayoría de las implantaciones de CMMS, los técnicos completan las órdenes de trabajo horas o días después del trabajo real, degradando ambos cálculos. Los ingenieros de confiabilidad deberían exigir durante la evaluación del CMMS: detección automatizada de fallos activada por datos de tiempo de inactividad de OEE o SCADA (eliminando el registro manual de eventos de fallo), finalización de órdenes de trabajo desde móvil en el activo (garantizando la captura de marcas de tiempo en tiempo real) y un panel nativo de MTBF/MTTR con visualización de tendencias —no un paso de cálculo que requiera exportar a Excel—. La identificación de los malos actores —el 20% de los activos que causan el 80% del tiempo de inactividad no planificado— requiere un CMMS que pueda clasificar los activos por frecuencia de fallos, contribución total al tiempo de inactividad y coste de mantenimiento en una sola vista. Esta es una característica estándar en plataformas CMMS de calidad, pero requiere datos históricos limpios y estructurados para producir resultados significativos.

El Mantenimiento Centrado en la Confiabilidad (RCM) genera una estrategia de mantenimiento para cada activo basada en el análisis de modos de fallo: el resultado es un conjunto de tareas de mantenimiento preventivo (PM) con frecuencias especificadas y criterios de inspección. El CMMS es el motor de ejecución del RCM: traduce la salida del RCM en programaciones de mantenimiento preventivo, realiza el seguimiento del cumplimiento y captura los datos de fallos y de condición que validan o actualizan el análisis RCM. El reto de integración es que el análisis RCM típicamente se realiza en una herramienta separada (Reliability Workbench, Isograph o XFMEA) y debe importarse al CMMS de manera estructurada. Las plataformas CMMS con APIs abiertas y capacidad de importación estructurada de PM reducen esta fricción de integración. Para los programas de mantenimiento predictivo, el CMMS debe recibir alertas de monitorización de condición procedentes de programas de análisis de vibraciones, termografía o análisis de aceite y generar o priorizar automáticamente las órdenes de trabajo en función de umbrales de condición —no esperar a que un ingeniero de fiabilidad cree manualmente una orden de trabajo tras revisar los datos de los sensores. La arquitectura integrada de OEE y CMMS de Fabrico conecta automáticamente la degradación del rendimiento de la producción con los desencadenantes de mantenimiento, creando un bucle de datos que soporta el mantenimiento basado en condición sin requerir una capa de software PdM separada.