En organizaciones que hacen un uso intensivo de activos en su operación, la gestión y el mantenimiento de esos activos empresariales es una pieza clave para el desarrollo de su actividad y afecta directamente a la cuenta de resultados de la empresa. En concreto, las tareas de mantenimiento permiten asegurar la disponibilidad de esos activos y su eficiencia en la operación.

Históricamente se ha venido trabajando con dos tipos de mantenimiento: el mantenimiento correctivo, que se realiza una vez que ha ocurrido una incidencia (avería o mal funcionamiento del activo), y el mantenimiento preventivo, que de un modo planificado realiza ciertas tareas con el objetivo de tratar de evitar esos fallos en los equipos y las pérdidas económicas que conllevan. Una adecuada combinación de estos dos tipos de mantenimiento asegura la máxima disponibilidad y eficiencia de los activos, a la vez que optimiza al máximo el coste derivado de dichos mantenimientos.

Existe un último tipo, el mantenimiento predictivo (PdM), que si bien no es algo nuevo y se usa de manera extendida, principalmente en algunos sectores de la energía y el ámbito industrial, tiene generalmente un menor peso en el entorno del mantenimiento en retail. El mantenimiento predictivo trata de adelantarse a las incidencias no de un modo planificado o basado en las especificaciones de los equipos, sino a través de la monitorización de los activos, usando algoritmos más o menos complejos que permiten identificar cuál es el mejor momento para realizar un mantenimiento en función del estado del activo.

La prevalencia del mantenimiento preventivo sobre el predictivo ha tenido en general su origen en la dificultad de obtener información correcta y en tiempo real del estado de los activos, así como la disponibilidad de herramientas de análisis que permitan predecir el futuro a partir de estos datos con un mínimo necesario de fiabilidad.

La introducción del mantenimiento predictivo no puede hacerse de manera disruptiva, sino que es necesario para las organizaciones avanzar dando pasos firmes y seguros a partir de experiencias piloto mientras mantenemos la base del mantenimiento preventivo para realizar una transición segura.

Tecnologías digitales para el mantenimiento predictivo

Muchas de las tecnologías que podemos utilizar para el mantenimiento predictivo no son necesariamente nuevas. Por ejemplo, el uso de sensores en la planta o el punto de venta es bastante común hoy en día, pero sí es cierto que en los últimos años han evolucionado para ser más inteligentes, confiables y, muy importante, económicos.

Igualmente, los ordenadores, la capacidad de almacenamiento y las comunicaciones se han hecho mucho más potentes y asequibles. Esta reducción de costes es importante en sectores como el retail, donde una organización puede tener miles de equipos que monitorizar.

En los últimos años, los avances tecnológicos y la aparición y desarrollo de ciertas disciplinas ligadas en muchas ocasiones a la Industria 4.0, como el Internet de las Cosas (IoT) o las herramientas de análisis de información, incluidas las técnicas de Big Data, han permitido un avance en el desarrollo del mantenimiento predictivo y hacer de éste una herramienta al alcance de la mayoría de las empresas. ¿Cuáles de esas tecnologías son las mejores candidatas para apoyar el mantenimiento predictivo?

Internet de las Cosas (IoT)

Dado que el mantenimiento predictivo se basa principalmente en la obtención de información directamente de los equipos, es evidente que el IoT es posiblemente la tecnología que mayor impacto puede tener en su desarrollo. IoT permite a tus dispositivos enviar un flujo constante de información a los servidores privados de la empresa.

Esta información proviene de sensores que pueden captar un amplio rango de estímulos, como la temperatura, la presión o incluso visuales. También puede llegar de otras fuentes, como dispositivos programables o sistemas de información empresariales. A través de IoT podemos tener una representación digital de lo que sucede en los activos, de modo que esa información puede ser analizada y procesada para disparar acciones de mantenimiento cuando sea necesario. El nivel de representación puede variar, pudiendo incluso llegar a incorporar representaciones virtuales del activo, lo que se conoce como Gemelos Digitales (Digital Twins).

Infraestructuras de almacenamiento y tratamiento de los datos

El mantenimiento predictivo requiere generalmente del análisis de una cantidad muy grande datos que provienen de distintas fuentes con una alta frecuencia (incluso en tiempo real). Por ello es importante disponer de infraestructuras de almacenamiento de datos potentes que permitan acceder de un modo ágil a los datos para analizar y visualizar la información usando técnicas de analítica avanzada y algoritmos predictivos, tales como herramientas de Business Intelligence (BI) o incluso Big Data.

Existe también la posibilidad de trasladar el análisis de los datos a los propios orígenes (Edge Computing), aprovechando la potencia, coste y disponibilidad de capacidad de computación que puede trasladarse a los propios equipos donde se genera la información.

Herramientas de visualización

Los análisis y la información generada por las herramientas de mantenimiento predictivo deben ser presentadas de un modo adecuado a los distintos usuarios del sistema, desde los gestores de mantenimiento hasta los operadores. Estás herramientas pueden ser desde simples cuadros de mando hasta soluciones de realidad aumentada. Es importante además que toda esta información pueda ser visualizada en distintos dispositivos tanto de escritorio como móviles.

Además de la visualización, es importante que los sistemas puedan generar alarmas y disparar eventos que permitan la integración en los flujos de trabajo de mantenimiento, con el objetivo de automatizar las tareas y aumentar la eficiencia de la gestión de los activos.

Mantenimiento predictivo en Retain

Retain es una plataforma de Gestión Estratégica de Activos que cuenta con un potente gestor de mantenimiento CMMS, capaz de integrarse con todo tipo de fuentes de información para capturar la información de los distintos activos y desarrollar una estrategia de mantenimiento predictivo a través del uso de algoritmos avanzados. El resultado de estos análisis puede visualizarse a través de la propia herramienta e integrarse en los procesos de mantenimiento para una máxima eficiencia.

¿Quieres saber más? Contacta con nosotros y un consultor especializado resolverá todas tus dudas sin compromiso.