Mantenimiento predictivo frente a mantenimiento preventivo: ¿Cuándo usar cada uno?

Conclusiones clave: La mayoría de los fabricantes se benefician al pasar primero del mantenimiento reactivo al preventivo. El mantenimiento predictivo (PdM) aporta valor adicional, pero solo sobre una base sólida de mantenimiento preventivo.

Fabrico le ofrece ambas cosas: activadores de mantenimiento predictivo basados en el uso que funcionan como el mantenimiento predictivo sin necesidad de una infraestructura de sensores costosa, y un agente de IA que detecta patrones que predicen fallos antes de que ocurran.

Mantenimiento predictivo frente a mantenimiento preventivo : comprender la diferencia es el primer paso. Elegir la estrategia adecuada para cada activo es el segundo.

El espectro de estrategias de mantenimiento, desde el nivel más bajo hasta el más alto de sofisticación:

• Enfoque reactivo (hasta que falle): Reparar cuando se rompe. Menor costo inicial, mayor costo en caso de falla. Solo apropiado para equipos no críticos y fácilmente reemplazables, donde la falla no tiene impacto posterior.
• Mantenimiento preventivo (basado en el tiempo/uso): Mantenimiento programado a intervalos fijos. Previene la mayoría de las fallas en activos críticos. Este es el fundamento; nada funciona sin él.
• Mantenimiento basado en la condición (CBM): El mantenimiento se activa según el estado medido del equipo. Es más eficiente que el mantenimiento preventivo programado: el mantenimiento se realiza cuando es necesario, no según un cronograma.
• Mantenimiento predictivo (PdM): Análisis mediante aprendizaje automático de datos de sensores para predecir el momento exacto en que fallará un componente. Es el método más sofisticado y costoso. Requiere entre 12 y 18 meses de datos para crear modelos fiables.

El mantenimiento predictivo ofrece un retorno de la inversión positivo solo cuando se cumplen tres condiciones simultáneamente:

1. Altas consecuencias de fallas: El activo es tan crítico que una falla no planificada cuesta significativamente más que el mantenimiento planificado. Para equipos con un costo de tiempo de inactividad inferior a $2,000 por evento de falla, la inversión en mantenimiento predictivo rara vez se amortiza.

2. Señal de degradación detectable: El modo de falla debe producir una señal medible antes de que ocurra: aumento de la vibración, aumento de la temperatura, desarrollo de contaminación por aceite. Las fallas catastróficas sin advertencia no se benefician del mantenimiento predictivo, independientemente de la inversión en sensores.

3. Volumen de datos suficiente: El mantenimiento predictivo basado en aprendizaje automático requiere entre 12 y 18 meses de datos de sensores y múltiples eventos de falla para construir modelos de predicción confiables. Los equipos nuevos o los activos con baja frecuencia de fallas tardan años en generar modelos útiles.

Antes de invertir en PdM, confirme que el cumplimiento del mantenimiento preventivo en los activos objetivo supera el 80 %. El PdM en una máquina con una ejecución esporádica del mantenimiento preventivo produce resultados poco fiables, ya que los datos se ven afectados por la calidad variable del mantenimiento, no solo por el estado del equipo.

La vía más práctica para el mantenimiento predictivo, para la mayoría de los fabricantes, no requiere sensores de vibración, programas de análisis de aceite ni software PdM independiente.

La monitorización OEE de Fabrico proporciona la base de datos para la toma de decisiones basadas en el estado del equipo sin necesidad de hardware adicional:

• Tendencias de rendimiento OEE: Una prensa que funciona un 5 % más lento que su ciclo ideal durante 4 semanas es una señal de alerta. Fabrico genera automáticamente una orden de trabajo de inspección CMMS cuando el rendimiento cae por debajo del umbral; mantenimiento predictivo basado únicamente en datos OEE.
• Activadores de mantenimiento preventivo basados en el uso: Fabrico conecta los contadores de ciclos OEE directamente con la programación del mantenimiento preventivo del CMMS. Un troquel que alcanza los 10 000 ciclos de prensado recibe una orden de trabajo de mantenimiento automatizada, independientemente de si esto ocurre en 3 días o en 3 semanas.
• El agente de IA de Fabrico analiza los patrones históricos de OEE y datos de mantenimiento para identificar los activos problemáticos (el 20 % que genera el 80 % del tiempo de inactividad no planificado) y sugiere ajustes en el programa de mantenimiento preventivo antes de que se produzcan fallos.

Este enfoque ofrece entre el 70 % y el 80 % de los beneficios de un programa completo de mantenimiento predictivo con un coste entre el 10 % y el 20 %.