INGENIERÍA MECATRÓNICA

MANTENIMIENTO

INSTITUTO TECNOLOGICO DE CUAUTLA

DOCENTE:
ING. ANIBAL PITOLL
GARCÍA

Alumno:
Oswaldo Daniel Segura Flores

5to Semestre

Grupo 1

Tarea: Mantenimiento Predictivo

 Mantenimiento Predictivo

¿Qué es el mantenimiento predictivo?

El mantenimiento predictivo o basado en la condición evalúa el estado de la
maquinaria y recomienda intervenir o no en función de su estado, lo cual produce
grandes ahorros.

El diagnóstico predictivo de maquinaria se desarrolla en la industria en la década

que va desde mediados de los ochenta a mediados de los noventa del siglo XX.
Actualmente, las filosofías predictivas se aplican en la maquinaria crítica en
aquellas plantas que cuentan con una gestión optimizada de sus activos (RCM,
ISO 55001, RBM...). El mantenimiento basado en la condición optimiza al
mantenimiento preventivo de manera que determina el momento preciso para
cada intervención técnica de mantenimiento en los activos industriales.

El mantenimiento predictivo es un conjunto de técnicas instrumentadas de medida

y análisis de variables para caracterizar en términos de fallos potenciales la
condición operativa de los equipos productivos. Su misión principal es optimizar la
fiabilidad y disponibilidad de equipos al mínimo costo.
 Ventajas y beneficios de la aplicación del mantenimiento
predictivo
La gestión optimizada de la programación del mantenimiento reporta las siguientes
ventajas:

• Aumento de la disponibilidad de la maquinaria.

• Mejora de la fiabilidad global.
• Menos pérdidas de materia prima por paradas no planificadas y rearranques.
• Reducción del índice de intervenciones/año de los equipos.
• Reducción de los riesgos de mortalidad infantil (por errores humanos en las
reparaciones), al producirse menos intervenciones de mantenimiento.
• Reducción del gasto en repuestos, pues el número de intervenciones a lo
largo del ciclo de vida del activo puede reducirse hasta a la quinta parte (p.e.
en rodamientos).
• Como consecuencia del punto anterior, se reduce la mano de obra.
• La monitorización tiene como consecuencia la reducción de accidentes y el
aumento de la seguridad.
• Si aprovechamos los datos de la monitorización para establecer un programa
de análisis causa raíz de los fallos (RCFA), reduciremos los fallos en general
y especialmente los fallos catastróficos.
• Menor coste de los seguros industriales, al alcanzar la planta mejores KPIs
y, por lo tanto, reducir el riesgo para la compañía aseguradora.
•
Las compañías europeas que no sigan prácticas de Excelencia Operacional,
desaparecerán. La única manera de competir contra países con mano de obra más
económica es mediante la automatización y optimización de la gestión de los
procesos y del mantenimiento de los medios de producción.

¿Cuál es el objetivo del mantenimiento

predictivo? ¿Cómo funciona?
En teoría, el concepto del mantenimiento predictivo es fácil de entender. Recoge
información sobre tus activos y, a partir de ahí, extrae información que te permite
calcular cuándo debes realizar el mantenimiento. En la práctica, podemos dividir el
proceso en tres etapas:

Recogida de datos (data collection)

Como hemos visto, se trata de predecir cuándo se producirá una avería. Como esto
depende de la obtención de datos de calidad, el primer paso es instalar sensores
que puedan recoger información en tiempo real sobre el rendimiento y la «salud»
de los equipos.

Los datos que deben medir y recoger estos sensores dependen de las técnicas que
quieras utilizar para monitorizar el equipo. Puedes controlar las vibraciones, la
temperatura, la presión, el nivel de ruido o los niveles de corrosión, entre otros,
según lo que sea más indicado para tu equipo. En un momento exploraremos varias
herramientas de mantenimiento predictivo.

Minería de datos (data mining)

Acumular datos sobre tus activos no sirve de nada si no sabes cómo explotarlos. Es
Internet de las Cosas (IoT) lo que permite que los sensores envíen toda la
información a un sistema central o a un software que te permite analizar lo que está
ocurriendo. El mantenimiento predictivo es mucho más eficaz, y mucho más preciso,
en los sistemas en los que los distintos activos están integrados.

Cálculos y Aprendizaje Automático (“Machine Learning»)

Algunas personas pueden creer que el mantenimiento predictivo se queda por aquí.
Pero si sólo se actúa cuando los sensores detectan anomalías, sólo se está
realizando un mantenimiento basado en la condición – como hemos visto
anteriormente. El componente más diferenciador del mantenimiento predictivo es la
construcción y aplicación de algoritmos que ofrezcan un pronóstico.

Al principio, puede basarse en el historial de los equipos, en los logs de

mantenimiento y las estadísticas (los informes de tu GMAO son muy útiles en este
paso). Sin embargo, a medida que la Inteligencia Artificial se vuelve más y más
sofisticada, es posible detectar anomalías incluso antes, encontrar correlaciones y
recibir sugerencias inteligentes para prevenir una avería. Este mantenimiento
inteligente está dando lugar a un nuevo tipo de mantenimiento, el mantenimiento
prescriptivo.

Herramientas de Mantenimiento Predictivo,

Aplicaciones y Ejemplos
El concepto de mantenimiento predictivo es programar el mantenimiento según las
condiciones detectadas. Por eso, es importante encontrar los ensayos no
destructivos (END, o NDT, del inglés non-destructive tests) indicados para
diagnosticar los fallos en la infraestructura y evaluar la salud del activo,
preferentemente mientras esté en funcionamiento.
Los ensayos no destructivos son una técnica que no compromete ni daña el equipo
analizado, como las pruebas en una cita médica de rutina. Análisis de sangre,
ecografías, ecocardiografías, exámenes oculares: ninguno de ellos es dañino, pero
forman parte de cualquier chequeo.

Las técnicas de mantenimiento predictivo utilizadas en la industria incluyen el

análisis de vibraciones, de aceite, acústico, test de infrarrojos o imagen térmica
(termografía) y el análisis de circuitos del motor (en inglés, motor circuit analysis).

Análisis termográfico y análisis de infrarrojos

aplicaciones: conexiones y sistemas eléctricos, sistemas de calefacción, análisis de
fluidos, patrones de descarga, mantenimiento de cubiertas

Las técnicas de imagen también pueden aplicarse a ciertos equipos para detectar
el desgaste, la corrosión, la delaminación y las desconexiones que aún no podemos
ver a simple vista.

La ventaja de los infrarrojos es que permiten hacer mapas de temperatura incluso a

distancia. Esta técnica de mantenimiento predictivo se utiliza, por ejemplo, en el
mantenimiento de sistemas de calefacción. Las variaciones de temperatura son
útiles para evaluar el estado de los motores y componentes mecánicos y eléctricos,
el aislamiento del edificio e incluso el estado de los paneles solares. La gran
desventaja es que no puede utilizarse en superficies reflectantes.

En el futuro, el análisis de la temperatura de la CPU será una de las principales

formas de comprobar la salud de los robots.

Análisis de circuitos del motor

aplicaciones: evaluar la degradación del motor, la alineación del eje y del rotor, el
aislamiento, los engranajes, detectar cortocircuitos

El análisis de circuitos del motor utiliza una técnica conocida como electric signature
analysis (ESA) o análisis de la firma eléctrica, en español, para encontrar anomalías
en los motores eléctricos. Además de analizar el circuito y los componentes, evalúa
el voltaje y la corriente que entran en el motor. Importante: funciona con motores de
CA y CC y puede utilizarse mientras el equipo está funcionando.
Análisis de aceite
aplicaciones: turbinas, sistemas hidráulicos y electrohidráulicos, evaluación de
motores, transmisiones, engranajes y niveles de lubricante

El objetivo del análisis del aceite es comprobar la viscosidad, la cantidad de agua y

la presencia de otros materiales, incluyendo los metales, para determinar el
desgaste del equipo.

Tengamos en cuenta un sistema hidráulico que consta de dos componentes

básicos, las partes móviles y el lubricante. A medida que el equipo se desgasta, una
muestra mostrará las partículas producidas por el sobrecalentamiento y el proceso
de oxidación. Diferentes partículas revelan diferentes problemas mucho antes de
que ocurra cualquier fallo.

Diferentes partículas revelan diferentes anomalías en diferentes componentes. Por

ejemplo, la presencia de silicona por encima de 15 ppm puede indicar que el
aislamiento se está desgastando, mientras que el sodio puede denotar
contaminación por agua salada. Sigue una guía de metales (página 71, información
en inglés) cuando utilices el espectrómetro.

Análisis de vibraciones
aplicaciones: comprobar la alineación de los componentes, detectar desequilibrios,
holguras, resonancias, fallos de los engranajes

El análisis de vibraciones es ideal para equipos y máquinas rotativas como

compresores, bombas de agua y motores. Por lo tanto, esta técnica de
mantenimiento predictivo es ideal para infraestructuras con un sistema complejo de
suministro de agua, como hoteles, balnearios o parques acuáticos.

Lo que hacemos es conectar un sensor capaz de detectar el movimiento o la

aceleración, según sea el caso. El sensor detecta las ondas sonoras creadas por el
movimiento, que a su vez generan impulsos eléctricos y hacen que el equipo vibre.

Análisis acústico
aplicaciones: tuberías y conductos, condensadores, sistemas de vacío,
ventiladores, compresores de aire

Como hemos visto antes, las ondas de sonido son nuestras aliadas. El análisis
acústico permite detectar problemas en el rendimiento técnico de los materiales,
localizar el origen del problema y monitorizar la «salud» del equipo. ¿Cómo?
Detectando diferencias en las frecuencias de sonido.
Todas las máquinas en funcionamiento hacen ruido, pero la frecuencia y la amplitud
cambian cuando hay fugas o cambios de presión, por ejemplo. Esta es una técnica
de mantenimiento predictivo particularmente eficaz en las tuberías que transportan
líquidos o gases. Algunas herramientas más modernas incorporan termómetros y
cámaras para profundizar en el análisis a distancia.

¿El mantenimiento predictivo resuelve todos

los males?
El mantenimiento predictivo nació para prevenir las averías, pero no nos hagamos
ilusiones. Siempre habrá fallos aleatorios, que son imposibles de predecir o
prevenir. Además, no podemos olvidarnos de que el mantenimiento predictivo
requiere una gran infraestructura. Por lo tanto, el mantenimiento predictivo sólo se
recomienda para activos críticos con modos de fallo predecibles.

Ventajas del mantenimiento predictivo

La principal ventaja del mantenimiento predictivo es actuar a tiempo, lo que reduce
el downtime y aumenta la disponibilidad de los activos. Como el mantenimiento se
programa en función de las necesidades, se evita el desperdicio de existencias y de
mano de obra en mantenimiento innecesario.Al reducir las reparaciones de
emergencia y el desperdicio mencionado anteriormente, puedes controlar mejor tu
presupuesto de mantenimiento. El downtime programado se planifica con
antelación, lo que te permite agilizar el mantenimiento y la actividad normal de la
empresa.Utilización óptima del equipo durante todo el ciclo de vida.

⚙️El mantenimiento predictivo es también una base del mantenimiento lean y de la

producción «just-in-time» (“justo a tiempo”).

Desventajas del mantenimiento predictivo

La necesidad de invertir en equipos de monitorización específicos, así como de
formar al personal para que los utilice e interprete los datos recogidos.Para los
activos de baja criticidad, el mantenimiento predictivo puede no ofrecer grandes
ahorros respecto a las alternativas.No es adecuado para activos con modos de fallo
aleatorios o sin datos iniciales para predecir las averías (en estos casos, es
preferible empezar con el mantenimiento basado en la condición e ir haciendo una
transición).
¿Merece la pena invertir en mantenimiento
predictivo?
Ya hemos mencionado que el coste de implementación es elevado, pero aun así el
mantenimiento predictivo tiene un alto retorno de la inversión, que puede llegar a 10
veces más la inversión. Un estudio realizado por el Departamento de Energía de
Estados Unidos en 2010, cuando la instalación de sensores era aún más cara que
ahora, apunta a una reducción del 25-30% en los costes de mantenimiento, un 35-
45% menos de downtime y un 70-75% menos de averías.

En comparación con el mantenimiento reactivo, supone un ahorro del 30-40%. En

comparación con el mantenimiento preventivo, se consigue un ahorro de entre el 8
y el 12%. Según la metodología RCM (reliability-centered maintenance o
mantenimiento centrado en la fiabilidad), lo ideal es que el 45-55% del
mantenimiento sea predictivo, el 25-35% preventivo y sólo el 10% reactivo o
correctivo.

Deloitte, en un estudio de 2017, es menos optimista. Aun así, el mantenimiento

predictivo es muy prometedor. Este estudio sugiere que el uptime aumentará entre
un 10 y un 20% y los costes de mantenimiento se reducirán entre un 5 y un 10% en
la Industria 4.0. La planificación del mantenimiento podrá llevar un 20-50% menos
de tiempo.

Teniendo en cuenta las ventajas y desventajas que hemos mencionado

anteriormente, podemos generalizar que la inversión en mantenimiento predictivo
compensa para:

empresas con muchos gastos de funcionamiento y mucho capital invertido;

empresas donde el downtime implica una gran pérdida; empresas con activos cuyas
averías suponen un riesgo para la seguridad.

Por ello, no es de extrañar que un sector pionero en el mantenimiento predictivo

fuera el de la aviación. La predicción de fallos se utiliza tanto durante el vuelo – con
el control de la temperatura y las vibraciones del motor para evitar accidentes –
como en tierra, para reducir los retrasos y las cancelaciones.

Igualmente, hay muchas técnicas de mantenimiento predictivo utilizadas en la

industria. Es fácil ver por qué: una interrupción en la producción puede causar
enormes pérdidas. En los próximos años, también es probable que adquiera mayor
expresión en la gestión de flotas, la sanidad, la minería y la extracción y producción
de energía.

Pasos para realizar el mantenimiento

predictivo
Si ya has decidido invertir en mantenimiento predictivo en tu empresa, recapitula los
4 pasos que necesitas para implementarlo:

Identificar los activos críticos.

El primer paso es identificar los activos prioritarios para incluirlos en la estrategia de
mantenimiento predictivo. Da prioridad a los activos críticos para tus operaciones y
a los activos con elevados costes de reparación.

Recopila información sobre el historial de los activos y los modos de fallo.

El segundo paso consiste en reunir la información necesaria para poder convertir
los datos recogidos en acciones. Si ya tienes un GMAO, es más fácil organizar el
historial y desarrollar los primeros algoritmos. Al mismo tiempo, es conveniente
establecer los modos de fallo y la probabilidad de que se produzcan.

Implementa sensores para monitorizar la condición.

Ahora que ya has definido las prioridades y los modos de fallo, puedes empezar a
implementar los sensores. En los equipos nuevos esto suele ser un proceso sencillo,
pero puede ser más complicado en las máquinas más antiguas. Investiga con el
fabricante la mejor manera de integrar los modelos antiguos con las nuevas
tecnologías.

Prueba y experimenta con el mantenimiento predictivo.

Prueba el funcionamiento de los sensores y la precisión de los algoritmos en unas
pocas máquinas, siguiendo un ciclo PHVA. Una vez que seas capaz de programar
el mantenimiento y cumplir tus objetivos, ¡amplía esta estrategia a otras máquinas!
El mantenimiento predictivo es ya una estrategia que da frutos y rendimientos para
muchas empresas. En el futuro, a medida que IoT y la transformación digital se
consolidan, será aún más dominante, asequible y eficaz en la predicción de averías.