Mantenimiento predictivo: qué es y cómo aplicarlo en tu SAT

El mantenimiento predictivo es la estrategia que usa los datos de tus equipos para anticipar una avería antes de que ocurra y actuar justo a tiempo, ni demasiado pronto ni demasiado tarde. No espera al fallo como el correctivo, ni revisa por calendario como el preventivo: decide cuándo intervenir a partir del comportamiento real de cada activo. Dicho así suena a sensores caros y planta industrial, pero en una empresa de SAT no tiene por qué empezar ahí.

La mayoría de artículos sobre predictivo lo presentan como un asunto de IoT: sondas de vibración, sensores de temperatura, monitorización en tiempo real. Esa es la versión cara. Hay otra que casi nadie cuenta, y es la que importa a una empresa de 10 o 50 técnicos: el predictivo es, antes que nada, una disciplina de datos. El primer sensor que tienes es el histórico de OTs que ya está en tu sistema, si lo tienes ordenado.

Este artículo va dirigido al gerente que ya hace correctivo y algo de preventivo y se pregunta si el predictivo es realista para una empresa de su tamaño o un lujo de grandes corporaciones. La respuesta corta: puedes empezar con lo que ya tienes. La larga es el resto del artículo.

Qué es el mantenimiento predictivo: definición sin hype

El mantenimiento predictivo es el conjunto de técnicas que analizan el estado y el historial de un equipo para predecir cuándo va a fallar y programar la intervención justo antes de ese punto. El objetivo no es revisar más, sino revisar en el momento exacto: ni gastar en una revisión que el equipo todavía no necesitaba, ni llegar tarde cuando ya se ha roto.

La palabra clave es predecir. El preventivo asume que un equipo se desgasta a un ritmo conocido y lo revisa cada X meses por si acaso. El predictivo no asume: mira los datos de ese activo concreto (sus averías anteriores, sus horas de uso, las condiciones en las que trabaja) y estima cuándo es probable el siguiente fallo. Dos equipos idénticos en dos instalaciones distintas pueden necesitar intervención en momentos diferentes, y el predictivo lo tiene en cuenta.

El hype viene de confundir el predictivo con su versión más sofisticada. Una refinería pone sensores de vibración en una turbina crítica y la monitoriza en continuo, de acuerdo. Pero el principio de fondo, decidir la intervención por el comportamiento real del activo en vez de por un calendario fijo, no necesita esa infraestructura para empezar a aplicarse.

Mantenimiento predictivo vs preventivo: la diferencia real

Mucha gente usa los dos términos como si fueran lo mismo con distinto nombre. No lo son, y la diferencia es de dinero.

Para situarlos, conviene tener los tres claros. El correctivo repara después del fallo, y lo desarrollamos en el artículo sobre mantenimiento correctivo: qué es, tipos y cuándo usarlo. El preventivo revisa antes del fallo siguiendo un calendario fijo, y tiene su propia guía de mantenimiento preventivo para empresas SAT. El predictivo va un paso por delante del preventivo: también actúa antes de que el equipo falle, pero solo cuando los datos dicen que toca.

La diferencia práctica está en qué dispara la intervención:

• En el preventivo, la dispara el calendario. Toca revisión trimestral, se hace la revisión, esté el equipo como esté.
• En el predictivo, la dispara una señal. El equipo arrastra un patrón de consumo anómalo, o acumula horas por encima de su umbral habitual de avería, y entonces se programa la intervención.

El preventivo bien hecho ya es un salto enorme respecto al correctivo puro. El predictivo es el siguiente, y su ventaja es que elimina las dos ineficiencias del preventivo: la revisión que sobraba, porque el equipo estaba perfecto, y la avería que se coló entre dos revisiones programadas. Según el position paper de Deloitte sobre mantenimiento predictivo, este enfoque aumenta la disponibilidad de los equipos entre un 10% y un 20% y reduce el coste global de mantenimiento entre un 5% y un 10% frente a una estrategia basada solo en calendario.

McKinsey sitúa el impacto aún más alto en entornos industriales: una estrategia de mantenimiento basada en datos puede recortar los costes de mantenimiento entre un 18% y un 25% y reducir el tiempo de inactividad de los equipos hasta un 45%. Son cifras de plantas grandes, así que tómalas como techo y no como lo que vas a conseguir el primer trimestre. Marcan la dirección, no la meta inmediata.

Mantenimiento predictivo en empresas SAT: no necesitas sensores para empezar

Aquí está el malentendido que frena a la mayoría de empresas de servicios técnicos. El gerente lee sobre predictivo, ve fotos de sensores conectados y paneles de monitorización, calcula lo que costaría instrumentar la cartera de activos de sus clientes y cierra la pestaña. Razonable, pero parte de una premisa falsa.

En un SAT, el predictivo no empieza por el hardware. Empieza por el dato que ya generas en cada intervención. Cada vez que un técnico cierra una OT y anota qué falló, en qué equipo y qué hizo para resolverlo, estás guardando una señal. 1.000 OTs cerradas son 1.000 señales sobre qué equipos fallan, con qué frecuencia y en qué condiciones.

El estudio Predictive Maintenance 4.0 de PwC y Mainnovation, publicado en 2017 sobre 268 empresas europeas, encontró que el 95% de las que ya aplicaban predictivo declaraban resultados concretos. El predictivo funciona; la pregunta para un SAT no es si funciona, sino por dónde empezar sin una inversión de seis cifras.

Y por dónde empezar es por los datos. El hardware viene después, y solo en los activos que de verdad lo justifican.

Los datos que ya tienes y que te permiten predecir averías

Para hacer predictivo de verdad no necesitas un laboratorio. Necesitas tener ordenado lo que tus técnicos ya documentan. Estos son los datos que predicen averías en un SAT:

• Historial de averías por activo. Qué se ha roto en cada equipo, cuándo y por qué. Es la base: un equipo que ha fallado tres veces por el mismo motivo te está avisando del cuarto.
• Horas de funcionamiento o ciclos de uso. Muchos fallos correlacionan con el uso acumulado, no con el calendario. Un equipo que trabaja el doble se desgasta el doble, aunque la revisión por agenda toque igual para ambos.
• Condiciones de la instalación. El mismo modelo de unidad rinde distinto en un local con polvo, humedad o temperatura extrema. Esa información, si la recoges, explica por qué unos activos fallan más que otros idénticos.
• Consumibles y recambios sustituidos. El patrón de qué piezas cambias y cada cuánto es un indicador de desgaste tan útil como cualquier sensor de vibración.

El problema no suele ser la falta de datos, sino que están dispersos: una parte en la cabeza del coordinador, otra en partes de papel, otra en un Excel que solo entiende quien lo creó. Para que el histórico sirva como base predictiva tiene que ser consultable como dato, no como un archivo muerto. Conecta directamente con el seguimiento de los KPIs de mantenimiento que todo gerente SAT debería medir: sin datos ordenados no hay métrica fiable, y sin métrica no hay forma de predecir nada.

Aquí va el dato incómodo, y lo doy como estimación de campo de Fluxput: alrededor del 85% de las empresas de SAT en España no tiene su histórico de OTs digitalizado de forma que se pueda consultar como dato. Tienen la información, pero atrapada en formatos que no permiten buscar un patrón. Ese es el primer obstáculo real del predictivo, mucho antes que cualquier sensor.

Cómo pasar de correctivo a preventivo a predictivo: la secuencia lógica

El predictivo no es un interruptor que enciendes. Es el final de una secuencia, y saltarse pasos no funciona. Si gestionas a base de urgencias, no puedes pasar directo a predecir averías: primero tienes que dejar de ir a remolque de los equipos.

1. Sal del correctivo puro. Mientras la mayoría de tus OTs sean averías no planificadas, vas por detrás de los equipos. El primer objetivo es recuperar el control de la agenda, no predecir nada todavía.
2. Monta un preventivo serio. Programa las revisiones por tipo de equipo y contrato, y documéntalas para que cualquier técnico las ejecute igual, sin depender de quién vaya ese día.
3. Digitaliza el histórico. Cada OT cerrada debe quedar registrada como dato consultable: qué activo, qué falló, qué se hizo, qué se sustituyó. Sin este paso, el predictivo es imposible por mucho sensor que compres.
4. Busca patrones. Con uno o dos años de histórico ordenado, empieza a ver qué equipos fallan más, en qué época y con qué síntomas previos. Ahí ya estás haciendo predictivo, aunque no hayas comprado un solo sensor.
5. Instrumenta solo lo crítico. En los pocos activos donde una parada sale carísima y el patrón histórico no basta, ahí sí tiene sentido añadir sensores. Para el resto de la cartera, el dato de tus propias intervenciones llega.

La secuencia importa porque cada paso construye el dato del siguiente. El preventivo bien documentado alimenta el histórico; el histórico ordenado alimenta la predicción. Quien intenta comprar predictivo sin haber pasado por aquí acaba con un panel bonito y datos de los que no se puede fiar.

Herramientas para hacer mantenimiento predictivo sin ser una gran corporación

Si el predictivo en un SAT empieza por el dato, la herramienta que necesitas no es una red de sensores: es un sistema que capture cada intervención como dato estructurado y te deje analizarlo. Esa es la función central de un software de mantenimiento para empresas de SAT, frente a un Excel que guarda la información pero no la deja interrogar.

La diferencia entre registrar y predecir está en qué hace el sistema con el histórico. Guardar 1.000 OTs en una base de datos no sirve de nada si no puedes preguntarle qué unidades te generan más avisos, en qué meses se concentran y qué síntomas se repiten antes de cada fallo grave.

Fluxput Analytics permite identificar qué unidades generan más consultas técnicas, en qué periodo del año y con qué síntomas recurrentes. Esa información es directamente útil para diseñar un plan de preventivo más inteligente y dar los primeros pasos hacia el predictivo, usando el histórico de intervenciones que tu empresa ya genera en lugar de una inversión en sensores que la mayoría de SAT todavía no necesita.

Como estimación de campo de Fluxput, un equipo con unas 1.000 OTs históricas bien registradas ya puede detectar patrones de avería estacionales en sus activos más críticos sin añadir ningún sensor. 1.000 intervenciones son muestra suficiente para ver qué se repite. La mayoría de empresas de SAT con varios años de operación tiene ese volumen; lo que les falta es tenerlo en un formato que permita verlo.

Si quieres ver cómo el histórico de intervenciones que ya tienes se convierte en patrones accionables, pide una demo de Fluxput Analytics y lleva tus propios datos. Es la forma más rápida de descubrir qué te están diciendo tus equipos y todavía no estás escuchando.