Mantenimiento Predictivo: cómo el IoT ayuda a reducir los costes de O&M

17 de enero de 2022, by Juan Pérez-Bedmar

Las nuevas tecnologías están cambiando las técnicas de mantenimiento. En sólo cinco años, el mantenimiento predictivo ha pasado de ser un caso de uso incierto a ser una aplicación de rápido crecimiento con un claro retorno de la inversión.

El mantenimiento en la era digital

Para entender mejor en qué consiste el mantenimiento predictivo, conviene explicar qué diferentes labores de mantenimiento se dan en general en el mundo industrial. El mantenimiento clásico suele tener dos enfoques:

  • Mantenimiento correctivo: está orientado a solucionar averías e incidencias una vez han sido detectadas. Pueden ser consecuencia de una inspección rutinaria o incluso de emergencia, si ocasionan una incidencia no programada grave. Este tipo de mantenimiento es parte del mantenimiento tradicional que lleva aparejado cualquier industria.
  • Mantenimiento preventivo: persigue el objetivo de evitar que ocurran averías o incidencias no programadas de gravedad. Se trata de una inversión para evitar tener que incurrir en gastos mayores (aquellos que se producen cuando ocurre un fallo). Es un mantenimiento intensivo en mano de obra y con un alto coste de mantenimiento.

El mantenimiento preventivo se apoya en diferentes factores para decidir cuándo debe realizarse. El factor más habitual y extendido es el tiempo: se realizan labores de mantenimiento programadas de manera periódica, en la que se hace una revisión de los componentes de los activos o equipos industriales y se comprueba si alguno requiere ser reparado o sustituido. 

Si en lugar de usar factores como el tiempo, nos apoyamos en datos que den información acerca de la intensidad de uso, el desempeño y cómo se está comportando el activo, y basadas en esos datos podemos crear modelos para elaborar labores de mantenimiento es cuando podemos empezar a hablar de mantenimiento predictivo

Del mantenimiento preventivo al predictivo

Para realizar mantenimiento predictivo necesitamos en primer lugar poder monitorizar determinados parámetros y extraer datos.  Para capturar estos parámetros y ver su evolución entran en juego tecnologías como el IoT. 

Las tecnologías IoT permiten recoger datos de sensores, actuadores y otros equipos, en tiempo real, y disponer esta información en cualquier lugar.  Los parámetros a monitorizar dependerán mucho del tipo de activo que queremos revisar y de su función. Pueden ser tales como: 

Mantenimiento predictivo industrial
  • Ruido: El patrón de sonido, o simplemente el volumen del ruido que generan ciertas partes de una máquina puede dar información acerca de su posible desgaste o previsible avería
  • Vibración: Cambios en la vibración de maquinaria pueden ser señal de una posible avería o desgaste de algún componente.
  • Temperatura (a través de sensores o incluso de imágenes termográficas): los puntos de sobrecalentamiento pueden ser indicador de una posible avería.
  • Presión: Cambios de presión hidráulica en determinados elementos pueden  servir para detectar obstrucciones o fugas.

La evolución de las medidas de éstos parámetros, solos o en combinación, son los que aportan información que sirve para elaborar los modelos de predicción.  A lo largo del tiempo, de hecho, los modelos se han ido haciendo más complejos al utilizar más fuentes de datos para elaborar sus predicciones.  Aquí entran además tecnologías orientadas a la inteligencia de los datos, como el machine learning, el edge computing o la inteligencia artificial, que automatizan la propia elaboración de los modelos de predicción, y generan las alertas necesarias.

Invitación al webinar de tecnologías para la gestión de mantenimiento en infraestructuras críticas

Implantación del mantenimiento predictivo en O&M

El mantenimiento predictivo busca optimizar las vías de solución de incidencias y minimizar los tiempos de parada no planificada de un activo o máquina industrial.

Es especialmente atractivo en sectores cuyos activos tengan una alta intensidad de uso y cuya parada involuntaria o no programada pueda afectar de manera muy negativa a la empresa (ya sea económicamente o de otra forma).

Un buen ejemplo, son los sectores más orientados a las fabricación como el automovilístico o críticos como el ferroviario, aeroespacial, o las Utilities como Energía ó Oil & Gas. En este tipo de industrias, las paradas en la cadena de producción tienen un impacto directo en la facturación, por lo que cualquier mejora que ayude a minimizar estas situaciones tiene un alto impacto positivo. 

Otro ejemplo, es el del sector de la distribución eléctrica. Los centros de transformación, son puntos de intensa actividad y alto impacto. En ellos se transforma la electricidad que llega en alta o media tensión a baja tensión para que los ciudadanos podamos consumirla. 

Cuando ocurre una avería en un centro de transformación (por ejemplo por sobrecarga debido a un exceso de demanda, o por un problema físico de uno de los equipos del centro) el impacto para la empresa no es sólo económico para la empresa, sino que tiene consecuencias importantes para la población, y además genera un daño reputacional considerable. Es por eso éste uno de los sectores donde más se está avanzando en dotar de inteligencia a sus activos y trabajar en diferentes mecanismos de mejora como el mantenimiento predictivo.

De manera similar al caso anterior, el sector del agua es un sector cuyo rendimiento tiene un impacto directo en la población. Su problemática es similar: cualquier fallo en algún equipo que impacte sobre la cadena de suministro del agua potable a los ciudadanos, supone un daño tanto para la empresa como para sus clientes, y por eso éste es otro de los sectores que más busca la optimización y digitalización de sus procesos, incluyendo el mantenimiento predictivo entre sus prioridades de modernización.


Te puede interesar conocer: Evolución del mantenimiento industrial con Diego Galar uno de los mayores expertos en mantenimiento predictivo

De un ROI poco claro a una aplicación imprescindible en O&M

Durante mucho tiempo, el mantenimiento se ha considerado un mal mayor, un factor de coste que de rentabilidad en las empresas. Sin embargo con la incorporación de las nuevas tecnologías como la IA, la Computación en el Edge, las empresas están viendo que pueden lograr ventajas competitivas importantes. 

La decisión sobre si invertir en técnicas de mantenimiento predictivo, lógicamente, se suele apoyar en el retorno de la inversión que las empresas pueden conseguir. Aunque, como hemos visto, hay sectores que pueden verse afectados desde un punto reputacional y no sólo económico, es este último punto el que más pesa a la hora de decidir sobre la inversión inicial. 

En este sentido, IoT Analytics destaca en su reporte sobre el mercado del mantenimiento predictivo la evolución del ROI (retorno de la inversión, por sus siglas en inglés) en los últimos años, y sus previsiones para los próximos. Según este estudio: el 29% de las empresas entrevistadas ya han invertido en soluciones de inteligencia artificial para mantenimiento y un 40% de los encuestados afirman invertirán en soluciones de Mantenimiento Predictivos en los próximos dos años.

Si en el 2016, las empresas no veían muy claro el ROI de implantar soluciones de IoT para el mantenimiento predictivo, en el 2021 más del 80% de las empresas que lo han implantando afirman tener un ROI positivo, y la mitad de ellas además dicen haber recuperado la inversión antes incluso de un año.


Las previsiones para los próximos años, con la mejora tanto en tecnologías IoT como en modelos de machine learning e inteligencia artificial, es que el mantenimiento predictivo se convierta en una herramienta indispensable en cualquier empresa industrial.

La Plataforma de Inteligencia en el egde para el mantenimiento predictivo

Barbara - Pila tecnológica de mantenimiento predictivo

La Plataforma Edge Industrial Cibersegura de Barbara, está orientada a facilitar la implantación de estos modelos de mantenimiento predictivo. No sólo permite la captura de datos de sensores, actuadores y otros elementos industriales de cualquier tipología, sino que también facilita la ejecución de algoritmos de edge computing, lo que permite la implantación de modelos predictivos mucho más complejos y la toma de decisiones automatizada.

Si te ha interesado este artículo y estás interesado en implantar un proyecto de mantenimiento predictivo contacta con nosotros.

Habla con nuestros expertos si quieres que estudiemos tu caso de uso