Maximice la confiabilidad del equipo:guía experta sobre herramientas de mantenimiento predictivo

Mantenimiento predictivo versus mantenimiento preventivo

El mantenimiento preventivo y el mantenimiento PdM son estrategias de mantenimiento efectivas, pero existen diferencias clave entre los dos. Comprender las diferencias entre mantenimiento preventivo y predictivo puede ayudar a su equipo a seleccionar el tipo de mantenimiento más adecuado para su organización. De manera similar, comprender los beneficios del mantenimiento predictivo y el mantenimiento preventivo puede ayudarlo a elegir la estrategia adecuada. Muchos programas de mantenimiento exitosos utilizan una combinación de ambas estrategias.

Mantenimiento preventivo  Utiliza el ciclo de vida esperado de un activo para determinar cuándo realizar las tareas de mantenimiento. Un ejemplo común de mantenimiento preventivo es cambiar el aceite de un automóvil cada tres meses o cada 3000 millas.

Un programa de mantenimiento preventivo es sencillo y suficiente para algunos activos. El mantenimiento preventivo de los activos se puede realizar según el calendario, una determinada cantidad de horas de uso o alguna otra métrica basada en el uso. Podría incluir tareas como cambiar filtros, realizar lubricación o reemplazar piezas desgastadas.

Por supuesto, el mantenimiento preventivo presenta algunos desafíos. Cuando el calendario dicta acciones de mantenimiento, algunos componentes se reemplazan antes de lo necesario. También existe cierto riesgo cada vez que se trabaja en una máquina. El mantenimiento preventivo puede ser más sencillo de planificar, pero requiere más tiempo, dinero y piezas.

Mantenimiento predictivo  Utiliza la condición operativa real de un activo para determinar qué pasos tomar y cuándo hacerlo. En lugar de basar el mantenimiento en un cronograma, el mantenimiento ocurre cuando los análisis de mantenimiento predictivo identifican una irregularidad en el desempeño del activo. Si bien se pueden tomar medidas similares, como lubricación o reemplazo de piezas, la diferencia es que las acciones de mantenimiento predictivo ocurren exactamente en el momento en que se necesitan.

Una estrategia de mantenimiento predictivo puede ahorrar tiempo y dinero, pero también plantea desafíos:principalmente, la complejidad de la implementación del mantenimiento PdM. Afortunadamente, con las herramientas adecuadas puedes superar esto. Mientras el equipo funciona con normalidad, se puede monitorear mediante tecnologías de mantenimiento predictivo y dispositivos de monitoreo de condición, como sensores remotos. Pueden tomar medidas a intervalos regulares o de forma continua.

Cuando se combinan con software de mantenimiento predictivo, estos sensores pueden alertar a los equipos de mantenimiento cuando cambia la condición de cualquier activo. Las órdenes de trabajo generadas automáticamente a través de un CMMS permiten a los equipos actuar rápidamente, evitando fallas en los equipos.

Los equipos de mantenimiento pueden rastrear y analizar datos sobre el estado de los activos para ayudar a detectar patrones y tomar decisiones más informadas para el mantenimiento futuro. En última instancia, el objetivo del mantenimiento PdM es maximizar la disponibilidad de los activos y minimizar el tiempo y el costo invertido en reparar cada activo.

Desafíos del mantenimiento predictivo

Implementar una nueva estrategia de mantenimiento siempre incluye desafíos y el mantenimiento predictivo no es una excepción. El mantenimiento PdM implica altos costos iniciales y nuevas técnicas. Si está acostumbrado a un enfoque de mantenimiento reactivo, la transición al mantenimiento predictivo también requerirá un cambio fundamental en toda su metodología.

Los beneficios del mantenimiento predictivo sin duda superan los desafíos. Pero es importante ser consciente de esos desafíos antes de comenzar, para poder prepararse para enfrentarlos.

Costos

El mantenimiento predictivo se basa en sensores, software analítico y tecnología IIoT, todo lo cual tiene un costo inicial relativamente alto. La integración de nueva tecnología también puede ser un desafío y puede resultar difícil conseguir aceptación para invertir en costosas soluciones de mantenimiento predictivo.

Entrenamiento

Sus empleados necesitarán una amplia formación sobre cómo implementar el mantenimiento predictivo y cómo utilizar correctamente la nueva tecnología de mantenimiento predictivo. También es posible que necesiten tiempo para adaptarse al nuevo enfoque de mantenimiento. Los empleados a veces se resisten a la nueva estrategia de mantenimiento predictivo, especialmente si están acostumbrados a un enfoque más reactivo, pero el programa de capacitación adecuado puede ayudar a superar cualquier renuencia a adoptar PdM.

Falta de datos de alta calidad

El software de mantenimiento predictivo se basa en enormes conjuntos de datos. Los modelos analíticos necesitan datos históricos sobre el desempeño de sus activos para crear una línea de base y rastrear las desviaciones de la norma. Si su organización no ha estado recopilando datos de activos, esto puede plantear algunos problemas.

Cómo superar los desafíos del mantenimiento predictivo

El mantenimiento predictivo conlleva algunos desafíos incorporados. El programa tiene un costo inicial relativamente alto, requiere que los gerentes supervisen operaciones complejas y generalmente exige capacitar a los equipos de mantenimiento para que utilicen nueva tecnología. Puede superar estas barreras si implementa su programa de mantenimiento PdM con cuidado.

Superar los desafíos de costos e implementación

Es una buena idea comenzar con un programa piloto, en lugar de intentar convertir toda su organización a un enfoque de mantenimiento predictivo. Poner a prueba el sistema le permite mantener los costos bajos, minimiza la capacitación y limita los requisitos administrativos de la operación. Es mucho más asequible comprar tecnologías de mantenimiento predictivo en pequeñas cantidades, por ejemplo, y descubrirá que se amortizan rápidamente.

Un programa piloto exitoso generará un importante retorno de la inversión (ROI) que luego podrá invertirse en un programa PdM más amplio. El piloto también ayudará a impulsar la comprensión del mantenimiento predictivo; Es probable que los equipos de mantenimiento se sumen al nuevo enfoque cuando vean los resultados.

Superar los desafíos del entrenamiento

Es fundamental garantizar que sus empleados estén completamente capacitados en las nuevas aplicaciones de mantenimiento predictivo. Dependiendo de su organización, esto podría resultar complicado:en una organización grande con personal remoto, por ejemplo, resulta complicado organizar sesiones de formación en equipo. Por eso es una buena idea ofrecer programas de capacitación asincrónicos y bajo demanda, como eMaint University, que permite a los usuarios adaptar las lecciones a sus horarios únicos. eMaint también ayuda a realizar un seguimiento de la capacitación y certificación de los empleados.

Superar los desafíos de los datos

Si aún no está recopilando datos de monitoreo de condición, es hora de comenzar. Instale sensores IIoT en sus activos críticos para recopilar vibraciones, temperatura y otros datos clave de rendimiento.

Los sensores transmiten los datos a su CMMS/EAM para que no tenga que preocuparse por errores de entrada de datos o conjuntos de datos incompletos. A medida que recopile datos de monitoreo de condición, su software de mantenimiento predictivo creará una línea de base "normal" personalizada para cada activo, proporcionando datos suficientes para crear un programa de mantenimiento predictivo eficaz.

¿Cuáles son los 3 tipos de mantenimiento predictivo?

Existen varios tipos diferentes de mantenimiento predictivo. Los tipos de mantenimiento predictivo más utilizados incluyen el análisis de vibraciones, la termografía infrarroja y el monitoreo acústico.

Análisis de vibraciones

Cada activo giratorio vibra mientras está en uso. Sin embargo, los cambios en el patrón de vibración básico de un activo generalmente indican una nueva falla. El análisis de vibraciones monitorea los niveles de vibración de un activo en tiempo real, buscando anomalías.

Los cambios en el nivel de vibración pueden indicar desgaste y corrosión prematuros; también pueden indicar holgura, desalineación y fallas en los rodamientos.

Hoy en día, el análisis de vibraciones es muy sofisticado. Si se hace bien, la técnica le permite detectar fallas en la máquina meses antes de que se vuelvan lo suficientemente graves como para causar una avería.

Monitoreo Acústico

El monitoreo acústico le permite a usted (o más bien, a sus herramientas de monitoreo de condición) “escuchar” los primeros indicadores de fricción o desgaste. Los equipos giratorios emiten sonidos característicos a medida que se deterioran. A veces, esos sonidos son lo suficientemente fuertes como para escucharlos con el oído desnudo, pero el monitoreo acústico capta sonidos mucho más débiles que no puedes captar, lo que lo convierte en una excelente herramienta de predicción.

El monitoreo acústico se usa ampliamente como herramienta de prevención de fugas, especialmente en sistemas con extensas tuberías de gas, petróleo o líquidos.

Cámaras infrarrojas

Las cámaras infrarrojas pueden detectar cambios sutiles en la temperatura que pueden indicar fallas emergentes en la máquina.

Los aumentos de temperatura a menudo son el resultado de altos niveles de fricción, desgaste prematuro o deterioro. El cableado defectuoso u otros problemas eléctricos son otra posible causa raíz. La termografía infrarroja también puede ayudar a localizar fugas de gas o líquido; puede detectar cambios de temperatura causados por la humedad o el gas.

Por supuesto, existen muchos otros enfoques para el mantenimiento predictivo. Si utiliza un CMMS para anclar su programa de mantenimiento predictivo, podrá integrar todos estos diferentes tipos de información en un modelo PdM altamente eficaz. 

Técnicas de mantenimiento predictivo

Hay muchas formas de implementar una estrategia de mantenimiento predictivo y muchas tecnologías de mantenimiento predictivo disponibles. Las siguientes herramientas y técnicas de mantenimiento predictivo brindan a cada organización el poder de recopilar tanta o tan poca información como necesitan para implementar y mantener su programa de mantenimiento predictivo.

• Monitoreo de vibraciones:  Los sensores instalados en el equipo pueden monitorear lecturas de vibración en profundidad. Una vez que se establece la línea de base para el activo, estos sensores se pueden monitorear continuamente para detectar desviaciones que podrían indicar fallas como desequilibrios, desalineaciones o fallas en los rodamientos.
• Monitoreo de temperatura:  De manera similar al monitoreo de vibraciones, los sensores pueden detectar cuando las temperaturas aumentan por encima de las temperaturas normales del activo. Cuando se detecta un aumento de temperatura, los técnicos pueden encontrar y abordar la causa raíz antes de que ocurra la falla.
• Monitoreo de condición:  El uso de una CMMS basada en la nube almacena los datos de los sensores en la nube, donde se pueden monitorear y analizar desde cualquier lugar. Incluso si el equipo está en una ubicación remota o el monitoreo debe realizarse fuera del sitio, los usuarios pueden acceder a datos actuales o históricos y usarlos para tomar decisiones sobre mantenimiento y reemplazo.
• Análisis y recomendaciones de inteligencia artificial (IA):  Aprender a leer las firmas proporcionadas por los sensores de vibración requiere años de educación y experiencia. Ahora, incluso si su organización no cuenta con un experto en el sitio, los análisis avanzados basados ​​en IA pueden evaluar los patrones de vibración de las máquinas e identificar cambios. Incluso puede reconocer diferentes patrones de problemas comunes, lo que le brinda a su equipo la información necesaria para encontrar y solucionar el problema aún más rápido.
• Alarmas:  Cuando los niveles de vibración indican fallas, el software de mantenimiento predictivo puede enviar alertas al personal apropiado para que pueda tomar medidas inmediatas.
• Órdenes de trabajo automatizadas:  Si el software de monitoreo de vibraciones se integra con un sistema de gestión de mantenimiento computarizado, el CMMS puede activar automáticamente una orden de trabajo cuando se detecta una falla, ahorrando tiempo y reduciendo la cantidad de intervención humana necesaria para solucionar el problema.

Ejemplos de mantenimiento predictivo

Existen importantes aplicaciones de mantenimiento predictivo en casi todas las industrias. Estos son sólo algunos ejemplos típicos de mantenimiento predictivo.

Ejemplos de mantenimiento predictivo en automoción

Las herramientas de mantenimiento predictivo pueden identificar fallas inminentes, como una cinta transportadora que se ralentiza o anomalías en las vibraciones de las máquinas de estampado o prensa. También se puede utilizar en otros activos, como montacargas y equipos de pintura.

Ejemplos de mantenimiento predictivo en alimentos y bebidas

En la industria de alimentos y bebidas, las tecnologías de mantenimiento predictivo pueden desempeñar un papel no solo para garantizar el máximo tiempo de actividad sino también para garantizar que todos los productos se creen cumpliendo con estrictas regulaciones alimentarias. El mantenimiento predictivo se puede utilizar en equipos como mezcladores y licuadoras, sistemas de recolección de polvo, equipos de extrusión, bombas y cintas transportadoras.

Ejemplos de mantenimiento predictivo en fabricación

Los fabricantes de todo tipo pueden utilizar tecnología de mantenimiento predictivo para mejorar la consistencia y la calidad de la producción de sus productos, reducir los costos laborales y prolongar la vida útil de los activos. El mantenimiento predictivo en la fabricación puede ayudar a predecir y reducir fallas en activos como ventiladores, bombas y motores.

Ejemplos de mantenimiento predictivo en ciencias biológicas

Muchos fabricantes del sector de las ciencias biológicas están sujetos a auditorías de las autoridades locales, estatales y federales. La tecnología de mantenimiento predictivo puede garantizar que el equipo continúe funcionando dentro de los parámetros requeridos y proporcionar a las organizaciones registros del historial de activos a prueba de auditorías. Y en los casos en los que es necesario refrigerar o congelar los productos, los sensores ayudan a garantizar que el equipo utilizado para mantenerlos a la temperatura adecuada siempre funcione según lo previsto.

Ejemplos de mantenimiento predictivo en petróleo y gas

La confiabilidad es increíblemente importante en la industria del petróleo y el gas, donde las fallas de los equipos podrían tener consecuencias ambientales y representar amenazas a la seguridad de los empleados. El mantenimiento predictivo de activos como bombas, calderas y compresores puede ayudar a reducir los riesgos de fallas no planificadas y sus consecuencias.

Cómo crear un programa de mantenimiento de PdM

Hacer el cambio del mantenimiento reactivo al predictivo no ocurre de la noche a la mañana. Pero los avances en las tecnologías de mantenimiento predictivo, como el software CMMS y los sensores de vibración inalámbricos, han hecho del mantenimiento predictivo una estrategia más alcanzable que nunca. Hay algunas preguntas que se deben tener en cuenta para cada activo al considerar la creación de un plan de mantenimiento predictivo:

• Si este activo falla, ¿cómo afectará a la producción?
• ¿Cuánto cuesta reparar este activo?
• ¿Cuánto cuesta reemplazar este activo?

Responder estas preguntas para cada equipo puede ayudar a los equipos a determinar qué activos mantener de forma predictiva.

El mantenimiento predictivo no es necesariamente la estrategia más eficaz para todos los activos. Algunos activos pueden fallar con poco o ningún impacto en la producción o el resultado final. Otros se benefician de un mantenimiento preventivo sencillo y directo. Pero para algunos activos, el mantenimiento predictivo es la mejor estrategia.

Incluso si planea utilizar herramientas de mantenimiento predictivo en solo unos pocos activos, es útil planificar con anticipación y crear un programa que su equipo de mantenimiento pueda cumplir. Aquí hay seis pasos clave para configurar su programa de mantenimiento predictivo:

1. Identificar qué activos deben ser objeto de soluciones de mantenimiento predictivo
2. Elija las herramientas y métodos de mantenimiento predictivo que utilizará para monitorear el estado de los activos (como sensores y un CMMS)
3. Seleccionar y capacitar a un equipo de implementación para aprender y llevar a cabo tecnologías de mantenimiento predictivo
4. Realice integraciones de sistemas para obtener una imagen completa del estado de los activos
5. Coordine su estrategia general de mantenimiento, identificando qué enfoque se utilizará y dónde
6. Determinar cómo se compartirán los datos sobre el estado de los activos entre los miembros del equipo, las partes interesadas y los auditores

En última instancia, implementar un programa de mantenimiento predictivo exitoso requiere tener una visión a largo plazo de los objetivos y necesidades de su organización. No hay dos planes de mantenimiento predictivo iguales.

¿Cómo se puede controlar el mantenimiento predictivo?

Las soluciones de mantenimiento predictivo, por definición, implican recopilar y analizar una gran cantidad de datos. La mejor manera de controlar el mantenimiento predictivo es mediante el uso de un sistema de gestión de mantenimiento computarizado (CMMS) para conectar y gestionar los datos provenientes de las órdenes de trabajo, análisis de mantenimiento predictivo en tiempo real e historial de mantenimiento, haciéndolos accesibles al personal adecuado sin importar dónde o cuándo estén trabajando.

Sin un CMMS, los equipos de mantenimiento a menudo se quedan con la duda sobre el mantenimiento histórico de un activo. Las órdenes de trabajo suelen estar en papel, y lleva tiempo encontrarlas, completarlas y archivarlas. Las órdenes de trabajo en papel también dificultan el seguimiento de lo que se ha completado o de lo que aún está pendiente. Es casi imposible comparar toda la gama de solicitudes, tareas en progreso y trabajos prioritarios cuando están todos en hojas de papel separadas.

Un CMMS hace que las órdenes de trabajo sean mucho más fáciles de programar, asignar y completar. Las órdenes de trabajo también se pueden priorizar según la criticidad de los activos, lo que garantiza que las tareas más importantes se asignen a los técnicos adecuados. Los gerentes pueden ver qué tareas están pendientes y asignar trabajos al personal que ya está trabajando en un activo específico o a aquellos con la experiencia necesaria para la tarea.

Los técnicos y tomadores de decisiones también tendrán acceso a registros históricos de mantenimiento. Cuando un activo tiene un historial de múltiples fallas en un corto período de tiempo, los expertos pueden usar los datos y el análisis de mantenimiento predictivo para llegar a la causa raíz del problema o decidir si es momento de reemplazar el activo.

Funciones clave del software de mantenimiento predictivo eMaint

eMaint CMMS ofrece a las organizaciones un conjunto completo de herramientas de mantenimiento predictivo. Con él, las organizaciones pueden:

• Definir clases de seguimiento para cada activo
• Supervise el ruido, la vibración, la temperatura, los lubricantes, el desgaste, la corrosión, la presión y el flujo de forma independiente
• Ingresar manualmente o importar lecturas de medidor
• Defina los límites superior e inferior de operación aceptable para cada activo
• Mostrar lecturas como un informe con excepciones codificadas por colores
• Emails de activación automática cuando se excede un límite
• Generar automáticamente órdenes de trabajo cuando una lectura esté fuera de los límites predefinidos
• Realice análisis de datos para identificar fallas tempranamente, prevenir averías y optimizar los recursos de mantenimiento
• Ver diagrama de monitoreo de condición

Estudio de caso:uso del monitoreo de condición de eMaint CMMS para mantenimiento predictivo

Cleveland Tubing, Inc. es un fabricante de productos de tubería flexible y plegable, incluidos FLEX-Drain y PumpFlex. La empresa configuró eMaint para que las lecturas de medidores de indicadores clave (temperatura, presión, niveles de fluido, succión) se importen y utilicen para activar órdenes de trabajo prioritarias cuando se necesita trabajo o inspección en función de rangos predefinidos.
Gary Payne, gerente de mantenimiento de Cleveland Tubing, señaló que eMaint se ha convertido en su sistema de apoyo a las decisiones de mantenimiento, informándoles de las tareas que deben realizarse cada día, según el tiempo transcurrido, la utilización del equipo y los indicadores basados en el estado. También experimentaron:

• Informes automatizados para reponer el inventario de piezas almacenadas y no almacenadas
• Seguimiento optimizado del tiempo de trabajo para un departamento de cinco empleados de mantenimiento
• Cálculos de retorno de la inversión mejorados con una mejor asignación de los costos de mano de obra y materiales a los activos
• La capacidad de evolucionar desde el mantenimiento reactivo hasta el mantenimiento planificado y el mantenimiento predictivo mediante supervisión del estado y alertas automatizadas de posibles problemas en equipos críticos
• Mida y realice un seguimiento fácilmente de los KPI con respecto a estándares de primer nivel (90 % de mantenimiento planificado)

¿Cuál es el futuro del mantenimiento predictivo?

El futuro del mantenimiento predictivo se basa en herramientas de inteligencia artificial para brindar información a una escala mayor que nunca. Las herramientas de inteligencia artificial escanean grandes conjuntos de datos a alta velocidad, lo cual es invaluable para grandes organizaciones con flotas de activos críticos. Las mejores herramientas de inteligencia artificial pueden diagnosticar fallas de las máquinas y determinar los niveles de gravedad de las fallas, lo que ayuda a establecer prioridades de mantenimiento claras.

Sin embargo, eso no significa que el mantenimiento será automatizado. Los técnicos y operadores humanos deben supervisar los resultados de la IA y aprovechar sus conocimientos. La IA es una herramienta útil, más que una solución completa. Funciona mejor cuando comparte flujos de trabajo con empleados humanos.