Mejore la confiabilidad de los activos con el mantenimiento basado en la condición

En resumen:

El mantenimiento basado en condiciones utiliza datos en tiempo real sobre el estado de los activos para activar intervenciones específicas, lo que reduce los costos y las fallas. La implementación exitosa del CBM depende de la selección adecuada de sensores, umbrales dinámicos e integración con el CMMS, evitando errores comunes como la selección errónea de parámetros y la fatiga por alertas. Muchas organizaciones logran beneficios mensurables en pocos meses al priorizar los activos críticos y emplear estrategias de implementación iterativas y disciplinadas.

Los intervalos de mantenimiento programado parecen reconfortantemente lógicos: reparar cada activo a intervalos fijos y las fallas deberían mantenerse bajo control. La realidad es más complicada. Intervenir demasiado pronto desperdicia mano de obra y piezas; intervenir demasiado tarde causa tiempo de inactividad no planificado. Mantenimiento basado en la condición (CBM) rompe este ciclo utilizando datos en tiempo real sobre el estado de los activos para activar intervenciones únicamente cuando realmente existen indicios de degradación. Este artículo analiza qué es el CBM, cómo se compara con otras estrategias, cómo implementarlo eficazmente y cómo evitar los escollos que hacen que casi la mitad de todos los proyectos de CBM den un rendimiento inferior al esperado.

Índice

Comprender el mantenimiento basado en condiciones
Beneficios de adoptar el mantenimiento basado en la condición
¿En qué se diferencia la CBM de otras estrategias?
Implementación de un programa eficaz de mantenimiento basado en la condición
Errores comunes y mejores prácticas para el mantenimiento basado en la condición
Un camino más inteligente: lo que la mayoría de los jefes de mantenimiento pasan por alto sobre el mantenimiento basado en la condición
Apoyando su camino hacia el mantenimiento basado en la condición
Preguntas más frecuentes

Principales conclusiones

Punto	Detalles
CBM utiliza datos en tiempo real	El mantenimiento basado en condiciones se basa en el monitoreo de activos en tiempo real para activar el mantenimiento solo cuando es necesario.
Ahorros de costes demostrados	La implantación de medidas de gestión proactiva del mantenimiento (CBM) puede reducir los costes de mantenimiento entre un 25 % y un 40%, así como las averías imprevistas hasta en un 50%.
La integración es fundamental	El éxito requiere sistemas bien integrados y umbrales correctamente establecidos para evitar errores comunes.
Empieza por lo sencillo y ve ampliando poco a poco	La mayoría de las ventajas se pueden obtener utilizando métodos sencillos de gestión basada en la condición (CBM) antes de pasar a soluciones más complejas.

Comprender el mantenimiento basado en condiciones

El mantenimiento basado en la condición es una estrategia de mantenimiento en la que las órdenes de trabajo se activan mediante el estado real monitoreado de un activo en lugar de un calendario fijo o un horario basado en horas. En lugar de realizar el mantenimiento de una bomba cada 90 días sin importar su estado de salud, un programa de CBM monitorea parámetros como la amplitud de vibración, la temperatura de los cojinetes, el recuento de partículas de aceite o el consumo de corriente eléctrica. Cuando un valor medido cruza un umbral definido, se genera una alerta y se planifica una intervención específica.

El proceso central sigue cuatro etapas: recopilación de datos continua o periódica a través de sensores; monitorización en tiempo real frente a líneas base establecidas; evaluación de alarmas estadísticas o por umbrales; y envío automatizado o manual de una orden de trabajo. Cada etapa depende de que los datos fluyan de manera confiable a través de un sistema integrado, desde el sensor en el activo hasta el sistema informatizado de gestión del mantenimiento (GMAO) que asigna la tarea a un técnico.

Un sistema CBM normalmente incluye los siguientes componentes principales:

Sensores y transductores para medir vibraciones, temperatura, presión, corriente o la calidad del aceite
Hardware de adquisición de datos que convierte señales analógicas en lecturas digitales
Software de supervisión con lógica de alarma configurable y visualización de tendencias
Bibliotecas de referencia que definen los límites operativos normales para cada clase de activo
Integración con CMMS o de órdenes de trabajo para convertir las alertas en intervenciones programadas
Paneles de informes que analiza la evolución de las condiciones de la pista a lo largo del tiempo

Un concepto erróneo común es que el mantenimiento basado en la condición (CBM) y el mantenimiento predictivo (PdM) son términos intercambiables. Están relacionados pero son distintos. Como explica GE Vernova, el CBM actúa sobre los datos de la condición actual según sea necesario, mientras que el PdM utiliza modelos de aprendizaje automático para pronosticar futuras fallas antes de que ocurran cruces de umbrales. El CBM es, en la práctica, la base operativa sobre la cual se construye el PdM.

CBM frente a PdM en breve: CBM responde a lo que está sucediendo ahora; PdM anticipa lo que probablemente sucederá después. Para la mayoría de los sitios industriales, CBM es el punto de entrada práctico y PdM es la evolución lógica una vez que se ha acumulado suficiente datos históricos.

Para los equipos que ya gestionan un sistema estructurado proceso de mantenimiento preventivo, la adopción del enfoque CBM no implica abandonar por completo el trabajo programado. Significa complementar las tareas basadas en plazos con otras que se activan en función del estado de los activos, reservando las intervenciones basadas en el calendario para aquellos activos en los que la monitorización del estado resulte inviable o tenga un coste prohibitivo.

Beneficios de adoptar el mantenimiento basado en la condición

El caso comercial del mantenimiento basado en condiciones está bien respaldado por los puntos de referencia de la industria. Implementaciones destacadas informan reducciones del 25 al 40 por ciento en los costos de mantenimiento, del 35 al 50 por ciento menos fallas imprevistas y una vida útil de los componentes de un 20 a un 30 por ciento más larga. Los puntos de referencia del Departamento de Energía de EE. UU. indican además que el mantenimiento basado en condiciones (CBM) es entre un 8 y un 12 por ciento más barato que el mantenimiento preventivo y entre un 30 y un 40 por ciento más barato que los enfoques puramente reactivos.

Estas cifras se traducen directamente en un impacto operativo. Pensemos en una planta de fabricación que gestiona 40 activos rotativos con un programa de mantenimiento trimestral fijo. Al pasar esos activos al mantenimiento basado en la condición (CBM), normalmente se aplaza aproximadamente un tercio de las intervenciones, ya que los activos se mantienen dentro de unos parámetros operativos adecuados. Los dos tercios restantes se abordan antes y con mayor precisión de lo que lo habría hecho un calendario. El resultado neto es un menor número de intervenciones de emergencia, un menor consumo de piezas y intervalos más largos entre las revisiones generales.

Estrategia de mantenimiento	Coste en relación con el sistema reactivo	Índice de fallos imprevistos	Prolongación de la vida útil promedio de los componentes
Reactivo (funcionamiento hasta el fallo)	Valor de referencia (100%)	Alta	Ninguno
Preventivo (basado en el tiempo)	Del 60 al 70% de reactivo	Moderado	De bajo a moderado
Mantenimiento basado en la condición	Del 30 al 40% de reactivo	Bajo	De moderada a alta
Predictivo (Manto. Pred.)	del 25 al 35% de reactivo	Muy bajo	Alta

Las cifras anteriores ilustran por qué los gerentes de operaciones industriales están buscando activamente reducir los costos de mantenimiento al dejar atrás los programas puramente reactivos o basados en calendarios.

Un ejemplo del mundo real aclara el impacto. Una planta de procesamiento de alimentos que supervisaba un compresor crítico con sensores de vibración detectó un defecto en un cojinete en una fase inicial mediante un aumento gradual de la vibración de alta frecuencia. El cojinete se sustituyó durante una ventana planificada tres semanas después con un coste aproximado de 800 libras esterlinas. Si el defecto hubiera pasado desapercibido, un fallo catastrófico del cojinete habría causado daños en el eje, una revisión completa del compresor y unas 18 horas estimadas de inactividad imprevista de la línea, lo que habría costado cerca de 14.000 libras esterlinas en piezas y pérdida de producción. Un solo evento de detección cubrió meses de costes de monitorización.

Implementando software de mantenimiento basado en la nube acelera significativamente la obtención de estos beneficios al proporcionar almacenamiento de datos centralizado, enrutamiento de alertas en tiempo real y visibilidad de las condiciones entre sitios sin necesidad de infraestructura de servidores local.

Consejo Pro: Al medir el rendimiento del MBM, realice un seguimiento de la relación entre las órdenes de trabajo planificadas y no planificadas y el número de fallas evitadas activamente en lugar del volumen de alertas generadas. Un alto volumen de alertas con baja calidad en las órdenes de trabajo indica umbrales mal calibrados, no un sistema saludable.

¿En qué se diferencia la CBM de otras estrategias?

Comprender las distinciones entre las estrategias de mantenimiento le ayuda a decidir dónde encaja el CBM y dónde no. La tabla siguiente compara los tres enfoques principales en varias dimensiones relevantes para la toma de decisiones.

Dimensión	Preventivo (basado en el tiempo)	Mantenimiento basado en la condición	Predictivo (Manto. Pred.)
Desencadenar	Horario fijo	Cruce de umbral	Pronóstico basado en modelos
Requisito de datos	Bajo	Moderado	Alta
Tiempo de tramitación	Planificado de antemano	Activado por condición	Ventana de pronóstico
Inversión en tecnología	Bajo	Moderado	Alta
Riesgo de sobremantenimiento	Alta	Bajo	Bajo
Más adecuado para	Activos sencillos y de bajo costo	Activos críticos en estado estacionario	Sistemas complejos de carga variable

Como se señala en la literatura sobre CBM, el CBM actúa sobre los datos de la condición actual en lugar de sobre proyecciones, lo que lo hace tanto más accesible que el PdM como más receptivo que los programas fijos.

Cada estrategia tiene limitaciones genuinas que vale la pena entender antes de comprometer recursos:

Mantenimiento preventivo riesgos de reemplazos innecesarios de piezas, tiempo acumulado de los técnicos en activos sanos y tiempo de inactividad basado en el calendario que interrumpe la producción sin un beneficio medible.
Mantenimiento basado en la condición requiere la instalación previa de sensores y la configuración de umbrales, y ofrece un valor limitado en activos con ciclos de funcionamiento discontinuos o altamente variables.
Mantenimiento predictivo exige datos sustanciales de fallas históricas, experiencia en ciencia de datos y mantenimiento continuo de modelos, lo que la hace poco práctica para muchas operaciones industriales medianas.

Para los equipos que revisan su pasos de mantenimiento preventivo y buscan evolucionar su enfoque, el Mcc (mantenimiento basado en condición) normalmente representa el siguiente nivel más accesible, particularmente para maquinaria rotativa, sistemas HVAC, aparamenta eléctrica y circuitos hidráulicos. Aquellos que construyen o refinan su creación de cronograma de mantenimiento el proceso determinará que un modelo híbrido, que mantenga intervalos fijos para los consumibles de bajo costo mientras aplica el mantenimiento basado en la condición a los activos críticos, a menudo ofrece el mejor equilibrio entre costo y confiabilidad.

Implementación de un programa eficaz de mantenimiento basado en la condición

Una implementación metódica evita los errores de configuración y las brechas de integración que provocan el fracaso de la mayoría de los proyectos de MBN. Los siguientes pasos reflejan las mejores prácticas actuales para despliegues industriales.

Realizar un análisis de criticidad. Clasifique los activos según la consecuencia de su fallo, el coste de sustitución y el impacto en la producción. Priorice primero el nivel superior para la instrumentación CBM. No todos los activos justifican la inversión en sensores.
Seleccionar los parámetros de monitorización adecuados. Asocia la tecnología de detección con el modo de fallo dominante. El análisis de vibraciones es adecuado para equipos rotativos; la termografía detecta fallos eléctricos; el análisis de aceite identifica el desgaste interno en cajas de engranajes y sistemas hidráulicos.
Establecer líneas base operativas. Recopile de 30 a 90 días de datos de funcionamiento limpios antes de establecer cualquier umbral. Como confirman las mejores prácticas, los umbrales dinámicos y normalizados por carga situados entre dos y tres desviaciones típicas por encima de la media de referencia superan a los valores de alarma fijos porque tienen en cuenta la variabilidad operativa normal.
Configure alertas e intégralo con su CMMS. Utilice conexiones de API para enrutar los cruces de umbrales directamente a su sistema de órdenes de trabajo como órdenes de trabajo en borrador o generadas automáticamente. Esto elimina los errores de transcripción manual y acorta los tiempos de respuesta.
Ejecute en paralelo con su horario existente inicialmente. Durante los primeros dos a tres meses, continúe realizando el mantenimiento programado según lo planeado y, al mismo tiempo, responda a las alertas de CBM. Esta fase de ejecución en paralelo valida sus umbrales y genera confianza en el equipo antes de comenzar a posponer las intervenciones basadas en el calendario.
Revisar y perfeccionar. Evalúe las tasas de falsas alarmas, las detecciones omitidas y las proporciones de planeado a no planeado mensualmente durante los primeros seis meses. Ajuste los umbrales basándose en los datos de fallas reales en lugar de en puntos de referencia genéricos.

Bien mejores prácticas de gestión de órdenes de trabajo son fundamentales en esta etapa porque la calidad del mantenimiento basado en condición depende en gran medida de qué tan confiablemente se gestionan, rastrean y cierran las órdenes de trabajo activadas con datos de retroalimentación precisos.

Consejo profesional: utilice la confirmación de múltiples técnicas antes de enviar intervenciones de alto coste. Si se activa una alarma de vibración pero la temperatura y el análisis de aceite se mantienen normales, programe una inspección manual en lugar de un reemplazo inmediato. La concordancia entre múltiples técnicas reduce drásticamente los falsos positivos y genera confianza en el sistema por parte de los técnicos.

Errores comunes que se deben evitar durante la implementación:

Monitorear los parámetros incorrectos para el modo de fallo real del activo
Uso de umbrales de alarma estáticos que no tienen en cuenta la variación de carga o velocidad
Descuidar los programas de calibración de sensores, lo que provoca una deriva gradual del sensor que corrompe los datos de referencia
No cerrar el ciclo entre las alertas, las órdenes de trabajo y los registros de resultados en el CMMS
Fatiga por alertas causado por umbrales demasiado sensibles que generan más notificaciones de las que los técnicos pueden atender de manera significativa

Errores comunes y mejores prácticas para el mantenimiento basado en la condición

Incluso los programas de MBM bien intencionados fracasan a un ritmo sorprendentemente alto. Las investigaciones indican que el 47 por ciento de los proyectos de MBM tienen un rendimiento inferior debido a una selección incorrecta de parámetros, a una configuración ineficaz de los umbrales y a una mala integración con las plataformas de CMMS. Los casos límite incluyen la deriva de los sensores en entornos hostiles, el ruido no estacionario en equipos de velocidad variable, la fatiga por alertas debido a alarmas mal calibradas y las conclusiones estadísticamente no confiables extraídas de conjuntos de datos de fallas limitados.

El último punto merece especial atención. Cuando un activo ha experimentado cero fallos en un periodo de seguimiento, resulta tentador concluir que el programa de MBM está funcionando a la perfección. De hecho, los datos de fallos limitados hacen que sea estadísticamente arriesgado extraer conclusiones firmes. Una observación de cero fallos podría reflejar una salud genuina del activo, una sensibilidad de monitorización insuficiente o simplemente una ventana de monitorización demasiado corta.

“El éxito en el MCC no se mide por la cantidad de alertas que genera su sistema. Se mide por los fallos que evitó, la proporción de trabajo planificado frente al no planificado y la precisión de la calibración de sus umbrales a lo largo del tiempo.” Inspirado en Mejores prácticas para la migración de CBM.

Errores evitables y mejores prácticas correctivas:

Parámetros incorrectos: Lleve a cabo un análisis formal de modos y efectos de falla (FMEA) antes de seleccionar los sensores para garantizar que cada parámetro monitoreado refleje directamente un mecanismo de falla relevante.
Umbrales fijos: Reemplace las alarmas estáticas con alarmas estadísticas basadas en distribuciones de referencia móviles, ajustadas según la carga y las condiciones ambientales.
Mala integración del CMMS: Asegúrese de que cada alerta cree automáticamente una orden de trabajo rastreable con la prioridad, el ID del activo y el valor del parámetro desencadenante registrado en el registro.
Deriva del sensor: Programe revisiones trimestrales de verificación de sensores, en particular para los transductores de vibración y los sensores de temperatura en entornos de alta temperatura o alta vibración.
Acoplamiento multicomponente En sistemas donde los componentes se degradan de forma interdependiente, como un motor que acciona una bomba a través de un acoplamiento, considere el modelado de degradación acoplada en lugar de tratar cada componente de forma aislada.

Un camino más inteligente: lo que la mayoría de los jefes de mantenimiento pasan por alto sobre el mantenimiento basado en la condición

Existe una tendencia persistente en el mantenimiento industrial a equiparar la sofisticación tecnológica con la eficacia operativa. A menudo se habla del CBM y del PdM como si la complejidad fuera intrínsecamente deseable, pero la evidencia no respalda plenamente ese punto de vista.

La investigación que compara el mantenimiento basado en la condición (CBM) basado en umbrales con el mantenimiento predictivo (PdM) basado en aprendizaje automático confirma que el CBM de umbrales más simple puede ofrecer aproximadamente el 80 por ciento de la mejora de rendimiento disponible a un costo de complejidad de alrededor del 20 por ciento para activos en estado estacionario con un historial de fallas limitado. El PdM impulsado por aprendizaje automático es genuinamente más potente para activos que operan bajo cargas variables con datos históricos abundantes, pero ese perfil describe a una minoría de activos industriales en la mayoría de las instalaciones.

La implicación práctica es significativa. Muchos gestores de operaciones retrasan la implementación del mantenimiento basado en la condición (CBM) porque sienten que la organización aún no está lista para una capacidad predictiva completa. Este es un error costoso. Las alarmas estadísticas básicas, las líneas de base bien calibradas y una integración disciplinada del CMMS ofrecen resultados sustanciales y mensurables sin necesidad de un equipo de ciencia de datos ni de una infraestructura de IA empresarial.

El camino más inteligente es el despliegue iterativo: instrumentar primero sus activos de mayor criticidad, construir buenos datos de referencia, perfeccionar sus umbrales durante un período de seis a doce meses y solo entonces evaluar si la previsión basada en aprendizaje automático aportaría un valor significativo en clases de activos específicas. Este enfoque se alinea con el lo esencial del mantenimiento preventivo principio de construir rigor de manera incremental en lugar de intentar una transformación de todo el sistema en un solo paso.

Medir los resultados correctos refuerza esta mentalidad. Realice un seguimiento de los fallos evitados, la proporción de trabajo planeado frente al no planeado y el costo de mantenimiento por hora de operación. Estas métricas revelan el impacto en el mundo real y guían el ajuste de los umbrales de manera mucho másreliable que la sofisticación de su panel de monitoreo.

Apoyando su camino hacia el mantenimiento basado en la condición

Traducir los principios de CBM a la práctica operativa diaria requiere que las herramientas y los procesos adecuados funcionen en conjunto. FullyOps proporciona a los equipos de mantenimiento industrial una plataforma integrada para la gestión de órdenes de trabajo, seguimiento de activos, enrutamiento de alertas basadas en condiciones e informes operativos. Ya sea que se encuentre en la etapa de establecimiento de líneas base o refinando un programa establecido, la plataforma conecta las alertas de sensores directamente con órdenes de trabajo procesables y paneles de rendimiento. Explore nuestro tutorial de asignación de recursos para obtener orientación práctica sobre la priorización de activos de CBM, revise toda la gama de sistemas de gestión de activos adecuado para el mantenimiento industrial, o ver cómo mejor software de mantenimiento admite operaciones confiables y rentables a escala.

Preguntas más frecuentes

¿Cuáles son los componentes clave de un sistema de mantenimiento basado en condiciones?

Un sistema de MBM en funcionamiento requiere sensores para la medición de parámetros, software de monitorización en tiempo real con alarmas configurables, bibliotecas de umbrales dinámicos y creación automatizada de órdenes de trabajo. Tal como lo define GE Vernova, el MBM activa intervenciones solo cuando los datos monitorizados proporcionan evidencia de una degradación real del activo.

¿Con qué rapidez pueden las organizaciones ver resultados del mantenimiento basado en la condición?

Muchas organizaciones informan de reducciones mensurables de costes y fallos durante el primer año, con algunas mejoras visibles en los primeros meses tras la calibración adecuada de los umbrales. Los puntos de referencia de la industria apuntan a reducciones de los costes de mantenimiento del 25 al 40 por ciento y entre un 35 y un 50 por ciento menos de fallos no planificados en las implementaciones líderes.

¿Es el MBM adecuado para todo tipo de activos e industrias?

El Mantenimiento Basado en la Condición (CBM) ofrece el mayor rendimiento en activos críticos de alto valor, donde la detección temprana evita fallos costosos, pero los activos más simples o de bajo costo con modos de fallo directos pueden no justificar la inversión en sensores. La investigación confirma que el CBM basado en umbrales se adapta a los activos en estado estacionario con datos limitados, mientras que el Mantenimiento Predictivo (PdM) impulsado por aprendizaje automático (ML) se reserva mejor para sistemas complejos de carga variable con historiales de fallos ricos.

¿Cuáles son los errores más comunes en los proyectos de CBM?

Las dos causas más frecuentes de bajo rendimiento son la selección de parámetros que no se alinean con los modos de fallo reales y la falta de integración de las alertas de MCC con un SGMT para generar órdenes de trabajo trazables. Los datos muestran que el 47 por ciento de los proyectos de MCC fracasan exactamente por estas razones, lo que convierte al diseño de umbrales y a la integración de sistemas en los factores de éxito más críticos.