David Godoy R.

¿Cómo definiría el concepto de Mantenimiento Predictivo?
En primer lugar, hay que mencionar que este es un concepto cuya formulación posee décadas de experiencia; sin embargo, su aplicación, interesantemente, es de reciente data. El Mantenimiento Predictivo, como parte de la evolución desde el mantenimiento hacia una perspectiva sistémica de gestión de activos, es una estrategia que permite planear intervenciones mayores a los equipos y componentes prioritarios basándose en sus signos vitales (internos) y condiciones reales (externas) de funcionamiento. Usando esta información proveniente de inspecciones, monitoreo de sensores y la implementación de una política de mantenimiento basado sobre condiciones (CBM), se incorpora un enfoque predictivo para una estimación precisa de riesgo y salud operacional del activo, de modo de potenciar la toma de decisiones dentro del ciclo de vida de activos críticos. Esta serie de modelos y sus acciones respectivas colaboran en diagnosticar, prevenir y predecir posibles fallas dentro de la línea de operación. Las bondades de esta mejor estimación de salud del enfoque predictivo permiten intervenir los activos en el “momento justo” para aprovechar al máximo su vida útil. Desde esta explicación, la idea es poder avanzar hacia una industria de clase mundial, por ejemplo, aprovechando la norma ISO 55000 que precisamente cubre esta perspectiva sistémica de gestión de activos físicos.

¿Qué tendencias están marcando la pauta en este ámbito?
La tendencia en Mantenimiento Predictivo es hacer un mejor uso de las condiciones reales de funcionamiento de un equipo a partir del uso, análisis y gestión de una serie de datos o información a gran escala.

¿Cómo han impactado esta disciplina IoT, Big Data y Machine Learning?
Las industrias de capital intensivo tienen una gestión de datos diversa. Hay que destacar aquí que el hecho de tener mucha información, no es necesariamente sinónimo de extraer valor. Así lo han entendido diversas industrias del ámbito nacional e internacional (Minería, Energía, Aeronaútica, Defensa, etc.) que son reconocidas por su potencial para llevar a cabo una gestión de datos robusta (con Ingeniería 4.0, Data Science, Machine Learning, etc.) para manejo y aprendizaje de los grandes volúmenes de datos (Big Data) que provienen de sus ERP y sistemas manuales.

Luis Guzmán B.

Por otro lado, IoT promete grandes ventajas en la implementación y capacitación para diseño, montaje, operación y mantenimiento de equipos, sin necesidad de intervenirlos físicamente. La tendencia para las empresas, en ese sentido, apunta no solo a procesar un gran número de información, sino que transformarla en un aprendizaje que les permita crear una estrategia eficiente de gestión para su ciclo de vida. Es decir, más allá de óptimos locales, este tipo de tecnologías abren la puerta para mejoras globales a nivel de sistema.

¿Qué elementos son necesarios para implementar una estrategia de mantenimiento predictivo?
Uno de los métodos más utilizados cuando se implementa algún sistema de Mantenimiento Predictivo es el modelo de riesgos proporcionales (PHM), el cual permite estimar una tasa de riesgo que integra la edad operacional y los diversos pesos de condiciones que explican -en distintos grados- la “salud” del activo. En este contexto, dos de los principales desafíos para lograr una política eficiente de mantenimiento predictivo son, por un lado, la información en sí, y por el otro, la preparación del capital humano que permita registrar y transformar esa data en valor. Es decir, que sea capaz de implementar la política con un sentido de proyecto de vida de activos.

¿Qué “vicios” se debe eliminar de la actual práctica del mantenimiento predictivo?
Como mencionamos, hay sectores de la economía que manejan una gran cantidad de datos, pero el desafío radica en cómo se obtiene valor agregado del manejo y análisis de dicha información, cómo incorporar la sabiduría operacional del juicio experto y cómo efectivamente demostrar el alto grado de aplicabilidad que los modelos –aparentemente complejos- de Mantenimiento Predictivo efectivamente tienen.

Muchas veces en el mercado se observa una confusión entre el tradicional monitoreo de condiciones y Mantenimiento Predictivo, y se trata de conceptos distintos, aunque complementarios. Si bien son muy bienvenidos los sensores de alta frecuencia y precisión para monitorear las condiciones de un equipo, esto no es automáticamente predictivo. Por lo tanto, un gran reto para establecer un plan de Mantenimiento Predictivo robusto es que los tomadores de decisiones cuenten con una frecuencia de datos que les permita evaluar la evolución de dicha información, pero también les provea una predicción de la salud operacional del activo y, con esto, el tiempo de reacción suficiente para la intervención a tomar que permita aprovechar el máximo de vida útil. De hecho, esta estrategia se puede implementar con un software especializado o con dashboards adaptados, pero sí requiere una metodología que sea transversal.

¿Es posible llevar a cabo este “cambio de paradigma” sin mayor involucramiento de las gerencias?
Resulta absolutamente esencial contar con la participación de todos los niveles. Toda la organización debe estar involucrada para desarrollar una perspectiva sistémica de Gestión de Activos Físicos, a través de trabajos multi-disciplinarios para enriquecer las cadenas de valor. Por ejemplo, las gerencias de las empresas intensivas en activos coinciden en la formulación de ciertos enfoques a mediano y largo plazo, dentro de los que están involucrados factores comunes como el manejo de datos, eficiencia operativa, conciencia ambiental y políticas que permitan la sustentabilidad de la industria.

Por otra parte, en el desafío de aplicabilidad mencionado, es necesario hacer fluir la estrategia diseñada a alto nivel como un conjunto por toda la organización. Por ello, es fundamental la inclusión del operador de la máquina. El cambio de paradigma está englobando esta nueva perspectiva sistémica que las empresas buscan desarrollar.

Lo que se requiere es hacer un manejo transversal de todos los activos (humanos y físicos) de la organización con un enfoque que cree sinergias, bajo esta visión global.