Dominar el Mantenimiento Basado en Condición: Terminología, Estrategias y ROI

La estrategia de mantenimiento más eficaz se adapta a cada activo, no es un enfoque único. Al analizar cada equipo, las organizaciones pueden trazar un camino que brinde la mayor confiabilidad y retorno de inversión. Hoy, los profesionales del mantenimiento dependen cada vez más del mantenimiento predictivo (PdM) y el monitoreo de condición (CdM) para recorrer ese camino.

Para navegar el panorama del mantenimiento, primero debemos usar la terminología correcta. PdM y CdM son técnicas y herramientas que operan dentro de una estrategia de mantenimiento basado en condición (CBM). Estas herramientas detectan síntomas de fallas inminentes; no son estrategias en sí mismas.

El CBM agrega datos de PdM y CdM para identificar el momento óptimo para el mantenimiento, mitigando las condiciones que conducen a la falla.

El objetivo del CBM es mantener cada activo disponible cuando se necesita, evitando mantenimiento demasiado temprano o demasiado tarde en la curva P-F. La meta es desplazarse hacia la izquierda en la curva P-F detectando fallas potenciales antes.

Encontrar esa ventana de mantenimiento ideal ha desafiado a los profesionales durante mucho tiempo.

Adoptar una Mentalidad Industria 4.0 (IIoT)

Hasta hace poco, las decisiones de mantenimiento combinaban programas basados en tiempo y enfoques de funcionamiento hasta la falla. La observación humana y los datos posteriores a la falla eran las principales fuentes de información.

Las instalaciones a menudo esperaban a que un motor, bomba o transportador fallara antes de intervenir: la única opción viable cuando escaseaban herramientas y datos.

El auge de la automatización y los datos digitales en la Industria 3.0 introdujo el software de sistema computerizado de gestión de mantenimiento (CMMS), permitiendo un programa digitalizado de mantenimiento preventivo (PM) basado en tiempo para cada activo.

Los equipos de mantenimiento medían indicadores clave para anticipar fallas y programaban paradas para reparar o reemplazar componentes según un calendario fijo (a menudo especificado por el OEM), independientemente de la condición real. Esto redujo las tasas de falla, pero añadió mano de obra, tiempo de inactividad y reemplazos innecesarios.

Hoy, con la Industria 4.0 y el IIoT, muchas instalaciones aprovechan datos de condición de activos en tiempo real (o casi real) para optimizar las actividades de mantenimiento.

El CBM captura datos de sensores, diagnósticos portátiles, SCADA y otros sistemas de adquisición. Los datos se agregan, analizan y traducen en inteligencia accionable mediante un CMMS, que dirige los recursos donde más se necesitan. Los equipos de mantenimiento pasan de apagar incendios a la optimización de procesos digitales.

Mantenimiento Predictivo vs. Monitoreo de Condición: ¿Cuál es la Diferencia?

Tanto PdM como CdM usan tecnología para capturar datos de condición del activo, y ambas operan plenamente en el entorno de mantenimiento. Las diferencias son sutiles; son complementarias. La mayoría de los programas robustos combinan ambas para ofrecer una visión integral de confiabilidad.

Juntas, PdM y CdM proporcionan los datos empíricos necesarios para asignar recursos de mantenimiento de manera eficiente y rentable.

Mantenimiento Predictivo

Las herramientas de PdM (termografía, análisis de vibración, análisis de aceite, medición ultrasónica) capturan una instantánea de la salud del activo. Como los datos son específicos en el tiempo, deben contextualizarse con datos operativos como tiempo de funcionamiento y condiciones de carga.

El PdM no predice tiempos exactos de falla ni vida útil. En cambio, suministra datos de observación que informan una programación de mantenimiento más precisa y rentable, mejorando la disponibilidad y la garantía de capacidad.

Monitoreo de Condición

Las herramientas de CdM recopilan datos continuos de salud mediante sensores y sistemas de adquisición, ideales para activos de difícil acceso o peligrosos. Los sensores detectan vibración de rodamientos, sobrecalentamiento o problemas de calidad de energía sin exponer al personal a riesgos ni requerir paradas.

Los datos pueden recolectarse desde segundos hasta días. El IIoT, los avances en sensores y la reducción de costos generan un crecimiento exponencial de datos. Aplicar IA y aprendizaje automático a estos datos de tendencia ayuda a identificar el punto óptimo en la curva P-F para la acción preventiva.

Mitigación de Fallas Aleatorias

Las fallas aleatorias surgen de causas desconocidas. PdM y CdM sobresalen en descubrir las causas raíz de estos eventos.

Los equipos de mantenimiento deben examinar vibración, termografía, calidad de energía y otras señales para identificar precursores de falla. Confiar en inspecciones repetitivas basadas en tiempo puede agotar recursos.

Con PdM y CdM, las organizaciones pueden clasificar fallas con precisión, resolver causas raíz e implementar la estrategia de mitigación correcta, transformando "desconocidos" en ventanas de mantenimiento predecibles y extendiendo el MTBF.

Desarrollo de una Estrategia Efectiva de Acción Preventiva

La evolución del mantenimiento pasa de enfoques basados en tiempo, a basados en condición, a basados en datos. No todos los activos siguen el mismo camino; la elección de estrategia depende de la criticidad y el costo.

La mayoría de las instalaciones adoptan un plan preventivo híbrido que combina métodos basados en tiempo, condición y datos. La clave es seleccionar la combinación adecuada.

Aunque el PM basado en tiempo ha disminuido, sigue siendo efectivo para tareas como el reemplazo programado de componentes de alto riesgo en entornos de misión crítica (petróleo y gas, energía nuclear, etc.). En estos contextos, combinar CBM con mantenimiento basado en datos es preferible.

Las decisiones deben considerar la criticidad del activo, el presupuesto y la disponibilidad de recursos humanos y técnicos. Implementar PdM y CdM solo cuando superen a métodos simples basados en tiempo o funcionamiento hasta falla garantiza un mantenimiento rentable.

La frecuencia de recopilación de datos debe coincidir con el modo de falla. Un rodamiento con una curva P-F de seis meses puede necesitar solo monitoreo semanal, mientras que el mismo rodamiento en una planta nuclear exige vigilancia constante.

Consideraciones Clave al Diseñar una Estrategia de Mantenimiento Efectiva

Elegir la estrategia óptima es una decisión tanto financiera como logística. Tenga en cuenta estos factores:

• Evalúe si reemplazar un activo periódicamente es más barato y rápido que inspecciones programadas.
• Identifique activos cuya criticidad justifique el costo del monitoreo de condición.
• Recuerde la distinción entre estrategias y técnicas y herramientas:
• CBM, RCM, RBM, DOM y RTF son estrategias.
• PdM y CdM son técnicas y herramientas usadas dentro de la estrategia CBM.
• Basado en tiempo, basado en condición y basado en datos clasifican tareas procedimentales en un plan de acción preventiva.
• Herramientas de confiabilidad como FMEA y FMECA guían la selección de estrategia y pasos procedimentales para mitigar o eliminar causas de falla.

En última instancia, debe equilibrar dos retornos de inversión: las ganancias de eficiencia tradicionales y el ROI de la integridad (mantener la disponibilidad del activo y la garantía de capacidad). Las herramientas, técnicas y estrategias que elija deben respaldar esa misión.

Sobre el autor

Gregory Perry, CMRP, CRL, es Consultor Senior de Garantía de Capacidad en Fluke Reliability. Líder de Confiabilidad Certificado con casi dos décadas de experiencia en mejores prácticas de mantenimiento y operaciones, se especializa en MRO, almacenes, principios de mantenimiento de clase mundial y liderazgo en CMMS. Perry brinda servicios de implementación y consultoría, presenta sesiones de mejores prácticas en conferencias líderes de la industria y crea seminarios web sobre excelencia en mantenimiento.