En los últimos cinco años, todas las conferencias de mantenimiento han girado alrededor de lo mismo: mantenimiento predictivo. IA, sensores IoT, machine learning... la promesa mola mucho: deja de hacer mantenimiento por calendario y hazlo solo cuando la máquina lo necesite de verdad.
Pero la realidad tiene matices. El predictivo funciona de maravilla para ciertos activos en ciertos contextos. Para otros, el preventivo basado en calendario es más barato, más simple y funciona igual de bien. Las empresas que aciertan no eligen una estrategia y la aplican a todo. Adaptan la estrategia al activo.
Vamos a ser honestos sobre lo que cuesta y lo que te da cada enfoque.
Qué Es Realmente el Mantenimiento Preventivo
El mantenimiento preventivo (MP) es el que haces según un programa fijo (calendario, contador de horas o ciclos), sin importar cómo esté el activo en ese momento. Cambiar aceite cada 3.000 horas. Revisar la correa cada 90 días. Sustituir el filtro cada 6 meses.
La ventaja es que es simple. Los programas son fáciles de montar, el cumplimiento se mide sin complicaciones y los técnicos saben qué hacer sin diagnósticos complejos. La desventaja es el desperdicio. Cambias componentes que a lo mejor les quedaba un 40% de vida útil, y de vez en cuando se te escapan fallos que pasan entre intervalos de mantenimiento.
La mayoría de las plantas consiguen una efectividad del 70-85% en sus programas de MP. Eso significa que el 15-30% de los fallos evitables siguen ocurriendo en activos con planes activos. ¿Por qué? Porque el intervalo estaba mal, la tarea no cubría el modo de fallo real, o el cumplimiento se fue relajando.
Cuánto Cuesta Realmente el Mantenimiento Predictivo
El mantenimiento predictivo (MdP) usa datos de monitoreo de condición (vibración, temperatura, emisiones acústicas, análisis de aceite) para detectar cuándo un activo se acerca al fallo. En vez de un calendario fijo, intervienes cuando los datos te dicen que toca.
Ojo con el coste del hardware. Los sensores de vibración industriales van de 500 a 5.000 € por punto de instalación según la tecnología. Un sistema motor-compresor-bomba puede necesitar 4-6 puntos de monitoreo. Súmale hardware de adquisición de datos, infraestructura de conectividad y plataformas de software, y un activo crítico completamente instrumentado te sale entre 8.000 y 25.000 €.
Y luego está el coste de la experiencia. Datos de MdP sin analistas cualificados son ruido puro. El análisis de vibración necesita gente formada que sepa distinguir frecuencias de defectos de rodamientos de firmas de desequilibrio.
El cálculo de rentabilidad: si un fallo te cuesta 50.000 € en paradas, y previenes uno cada 18 meses con 15.000 € en infraestructura de MdP más 5.000 €/año en monitoreo, los números cuadran de sobra. Pero si el mismo activo falla por 8.000 € y tu programa de MP ya detecta el 85% de los fallos, el MP a 2.000 €/año en mano de obra es la respuesta correcta.
La Matriz de Criticidad para Elegir tu Estrategia
La forma más práctica de repartir la estrategia de mantenimiento entre tus activos es una matriz de criticidad con dos ejes: consecuencia del fallo en uno y predictibilidad del patrón de fallo en el otro.
Alta consecuencia, patrón predecible: caso ideal para monitoreo de condición y mantenimiento predictivo. Maquinaria rotativa grande, compresores, bombas críticas... todos dan señales de aviso que el análisis de vibración o la termografía pueden detectar semanas antes del fallo.
Alta consecuencia, patrón impredecible: estos activos fallan sin avisar. Componentes electrónicos y dispositivos de seguridad entran aquí. La estrategia correcta es redundancia más funcionamiento hasta el fallo, no gastar en monitoreo predictivo caro que no va a detectar un fallo repentino.
Baja consecuencia y patrón predecible: el MP por calendario funciona perfecto. Baja consecuencia y patrón impredecible: déjalo funcionar hasta que falle y repara rápido.
Cómo Montar un Programa Híbrido que Funcione
Los programas de mantenimiento que mejor funcionan combinan las tres estrategias: predictivo para activos críticos donde los números cuadran, preventivo para activos importantes donde el mantenimiento programado caza la mayoría de fallos, y funcionamiento hasta fallo para activos de baja consecuencia.
Un buen punto de partida: identifica tus 10-15 activos críticos principales con costes de fallo por encima de 30.000 € por evento. ¿Muestran patrones de degradación detectables? Para los que sí, monta un caso de negocio para invertir en monitoreo de condición. Para los que no, mejora los procedimientos de MP.
Empieza el programa predictivo con análisis de vibración en tus 3-5 máquinas rotativas principales antes de invertir en sensores permanentes. Los medidores portátiles te permiten monitoreo trimestral por rutas en múltiples activos y te van construyendo la base de evidencia para justificar la inversión.
Herramientas Tecnológicas para el Mantenimiento Predictivo
Las plataformas CMMS están integrando capacidades predictivas a distintos niveles. Limble CMMS y UpKeep ofrecen integraciones de sensores IoT que disparan órdenes de trabajo cuando se superan umbrales. Fiix tiene capacidades de MP activadas por sensores. IBM Maximo Application Suite y HxGN EAM traen módulos de MdP maduros con analítica integrada para grandes entornos empresariales.
Plataformas dedicadas de MdP como Augury, SparkCognition y SKF Axios añaden machine learning especializado, pero necesitan integrarse con tu CMMS para cerrar el ciclo desde la alerta hasta la orden de trabajo y la reparación.
Para la mayoría de las plantas, la tecnología de arranque correcta son herramientas portátiles de monitoreo de condición más un CMMS que pueda recibir los datos y disparar alertas. La automatización completa sensor-orden de trabajo es el objetivo final, pero no tienes por qué empezar por ahí.