Entender el tiempo de inactividad
Las líneas de producción y las operaciones complejas de las plantas son motores generadores de ingresos y beneficios para las industrias que hacen un uso intensivo de activos.
Los directivos de las empresas, los equipos de explotación de las plantas y los profesionales de la planificación de la producción se esfuerzan constantemente por maximizar el rendimiento y la eficiencia de estas unidades de producción a lo largo de su ciclo de vida.
Estudios recientes de ABB, Siemens y EMA Research indican que esta cifra no deja de aumentar, los costes asociados al tiempo de inactividad casi se han triplicado en los últimos 5 años.
Aumento de los costes de inactividad en los últimos 5 años
De los tiempos de inactividad imprevistos causados por averías de los equipos
Coste anual de las paradas imprevistas en la fabricación industrial
La tabla siguiente ilustra los asombrosos riesgos financieros: incluso una sola hora de inactividad imprevista en sectores de alto valor puede borrar días de beneficios operativos.
| Sector | Escala | Coste medio por hora |
|---|---|---|
| Energía | $2,480,000 | |
| Fabricación de automóviles | $2,300,000 | |
| Productos químicos | $700,000 - $1,200,000 | |
| Fabricación (general) | $260,000 - $500,000 | |
| Tratamiento de aguas y residuos | $150,000 - $350,000 |
Las empresas necesitan urgentemente revisar tanto los tiempos de inactividad planificados como los no planificados mediante un enfoque preventivo, predictivo y correctivo de la gestión de activos.
Las razones del tiempo de inactividad
Un caso de tiempo de inactividad puede vincularse tanto a una actividad de mantenimiento planificada como a una no planificada.
Por desgracia, a pesar de todos los esfuerzos, los tiempos de inactividad imprevistos son inevitables. Se pueden minimizar, pero eliminarlos es bastante complicado y casi imposible.
En ambos casos, la necesidad de una respuesta rápida y de subsanar el fallo es de vital importancia.
A continuación se detallan las razones de los tiempos de inactividad relacionados con el fallo de los activos;
Fallo técnico mecánico
Una de las razones más populares para el fracaso de activos puramente tiene que ver con el fallo técnico del activo, que puede ser causada debido a;
- Edad del activo: En lugar de retirar el activo más allá de su vida útil, el uso continuado provoca un fallo técnico total debido a roturas, averías en piezas delicadas
- Mala gestión del mantenimiento: El proceso de mantenimiento y los pasos exactos del activo no se mantuvieron a tiempo O no se mantuvieron de la forma en que se suponía que debían ser según lo sugerido por el OEM.
Por ejemplo:
- Se utilizó una pieza alternativa más barata para ahorrar costes, pero se comprometió la calidad.
- Una laguna técnica en el proceso: una pieza mal instalada, tornillos sueltos, etc.
- Funciones de alimentación y utilidades: Esto incluye sobretensiones, caídas de tensión o fugas de aire comprimido que provocan la desconexión de sistemas PLC (controlador lógico programable) sensibles.
- Exposición peligrosa: Debido a un mantenimiento inadecuado, el activo simplemente no puede utilizarse en una línea de producción sin causar daños medioambientales o suponer un riesgo para la salud y la seguridad de los operarios.
Ejemplo:
- Una fuga de petróleo que provoca una grave degradación del medio ambiente.
- Una cubierta de máquina que supone un grave riesgo para la OSHA
Acontecimientos naturales y calamidades
Se trata de aspectos que provocan fallos en los activos y que, por lo general, están fuera del control de la organización: pensemos en inundaciones, tormentas, cortes de luz, etc.
Esto incluye también aspectos que pueden controlarse en cierta medida, como la humedad o el calor elevados, que provocan un desgaste excesivo. Hacer funcionar el equipo en condiciones de frío extremo, mucho antes de que el activo se haya "calentado" adecuadamente.
Ejemplo 1: Humedad extremadamente alta que provoca un desgaste excesivo, por lo que requiere mantenimiento mucho antes de los intervalos prescritos sugeridos por el OEM.
Fricción de datos maestros e inventario
Esta situación es mucho menos frecuente. Ocurre cuando la pieza de repuesto correcta simplemente no está disponible en la planta O se ha pedido una pieza de repuesto incorrecta debido a una mala gestión de los datos y/o al empleo de procesos de gestión de piezas de repuesto deficientes.
Catalogar los materiales de las piezas de repuesto y garantizar unos procesos de gestión de inventario excelentes pueden acabar con este reto. Ampliaremos esta información en la última parte de este artículo.
Lagunas humanas
Los errores humanos y las lagunas relacionadas con la mano de obra contribuyen de forma sorprendentemente subestimada a los tiempos de inactividad imprevistos.
Esto puede manifestarse de varias maneras: un técnico que utiliza una especificación de par de apriete incorrecta al volver a montar un componente, que lee mal un dibujo técnico o que se salta un paso de la lista de comprobación por falta de tiempo o cansancio.
El problema se agrava cuando las organizaciones experimentan una elevada rotación de técnicos. El conocimiento institucional, el que vive en la cabeza de un ingeniero senior después de 20 años en la planta, sale por la puerta con ellos.
Los recién contratados, sin acceso a historiales de fallos documentados ni a una incorporación estructurada, son mucho más propensos a cometer errores.
2.1M
Se prevé que hasta 2030 no se cubran puestos de trabajo en el sector manufacturero debido al déficit de cualificaciones, lo que se traduce directamente en un deterioro de la calidad del mantenimiento y del tiempo de actividad de los activos.
El desajuste de competencias es otro culpable común. Con la rápida adopción de equipos digitales y habilitados para IIoT, muchos equipos de mantenimiento se encuentran operando activos que requieren competencias para las que simplemente no han sido formados.
La solución comienza con una planificación estructurada de la plantilla: cotejar los conocimientos necesarios para cada clase de activo con las capacidades de la plantilla, identificar las carencias y subsanarlas de forma proactiva, antes de que el activo falle y un técnico se encuentre frente a él sin estar preparado.
Evitar pérdidas en la gestión del tiempo de inactividad
El objetivo con la gestión del tiempo de inactividad incluye;
- Prevenir los tiempos de inactividad de los activos y la producción en primer lugar:
- RCA para comprender las razones del fracaso y garantizar el futuro del problema.
- Tiempos de inactividad mínimos y tiempos de respuesta más rápidos durante las paradas planificadas y no planificadas
Las empresas suelen calcular un coste teórico por hora de inactividad. Se trata de la producción que habría generado la maquinaria o la línea de producción si no se hubiera producido la avería. Se trata de pérdidas que, de otro modo, habrían sido ingresos limpios.
En efecto, cada minuto de inactividad representa una pérdida directa, no sólo un coste. La diferencia entre una reparación de 2 horas y una parada de 2 días no siempre es la habilidad técnica.
Más a menudo, se trata de una cuestión de preparación: contar con las piezas adecuadas, el personal adecuado y la documentación del proceso correcta antes de coger la llave inglesa.
Estrategias de gestión del tiempo de inactividad
A continuación se detallan las estrategias para prevenir el fallo de los activos y reducir el tiempo de inactividad mediante un diagnóstico eficaz y medidas correctoras;
Estrategia y procesos de inventario
Tanto el fallo de los activos como el tiempo de inactividad de la producción son inevitables.
Incluso los planteamientos de mantenimiento predictivo y preventivo más maduros tienen en cuenta el hecho de que no se puede acabar con todo esto.
Una de las mayores oportunidades para la prevención de pérdidas O la generación de ingresos (según se mire) está directamente relacionada con la gestión de inventarios críticos y la garantía de que estén disponibles en la ubicación correcta de la planta en el momento adecuado.
Esto suele hacerse a través de un evaluación avanzada de la criticidad, no sólo a nivel de activos, sino también de piezas de recambio.
Normalmente, las empresas revisan la criticidad sólo a nivel de activo y asumen que IPSO FACTO todas las piezas de recambio vinculadas a un determinado activo fijo crítico son todas críticas.
Esta suposición es en sí misma una falacia lógica y conduce a un exceso de existencias de piezas que probablemente permanecerán sin usar durante años.
Aquí es precisamente donde un sistema de gestión de piezas de repuesto puede apoyar la operación de cambio.
Algunos estudios e investigaciones para mostrar la magnitud del reto
Un estudio de Siemens de 2024, "Coste real del tiempo de inactividad", respaldado por recientes ABB y Aberdeen actualizaciones, destaca que los fallos de los equipos causan 42% de todos los tiempos de inactividad no planificados.
En este sentido, la "brecha de piezas de repuesto" es uno de los principales factores de la prolongación del MTTR (tiempo medio de reparación).
Los datos de Siemens 2024 sugieren que la ausencia de una pieza de repuesto crítica puede convertir una reparación mecánica de 2 horas en una parada de las instalaciones de 2 días (un aumento de 24 veces en la duración) mientras se esperan los envíos internacionales o los ciclos de aprovisionamiento.
de los fabricantes mundiales han experimentado al menos una parada total de línea debido específicamente a la falta de una pieza de repuesto, y no a la falta de conocimientos técnicos para repararla. técnica para repararla. Dentro de los 42% de tiempo de inactividad categorizados como "Fallo del equipo avería", se calcula que entre 30 y 40% del MTTR son tiempos muertos dedicados a buscar, identificar o esperar la pieza de repuesto. buscando, identificando o esperando la pieza correcta.
Atribución oculta: Dentro de los 42% de tiempo de inactividad clasificados como "avería del equipo", se calcula que entre 30 y 40% del MTTR (tiempo medio de reparación) son "tiempos muertos" dedicados a buscar, identificar o esperar la pieza correcta.
MRO360La solución insignia de Verdantis para la gestión de inventarios de piezas de repuesto y MRO resuelve exactamente este desafío.
Si no te gusta leer, el vídeo de arriba te ayudará a entender qué hace el programa y cómo lo hace.
¿Cómo resolverlo?
Gracias a los datos del sector relativos a fallos de activos, inventarios y documentos de listas de materiales de activos, ahora es posible evaluar la criticidad a nivel de pieza de recambio.
MRO360 hace exactamente esto y asigna una puntuación a cada pieza que va del 1 al 10, siendo 10 la más crítica.
Entre otras cosas, la puntuación de criticidad también tiene en cuenta la probabilidad de fallo de esa pieza, las consecuencias de ese fallo e incluso calcula el plazo medio histórico de entrega de esa pieza al centro de producción.
Los equipos de mantenimiento también llevan a cabo ejercicios de planificación de la demanda de material y aplican lo aprendido a varias ubicaciones distintas de la planta.
Los modelos matemáticos de MRO360, con IA entrenada a tal efecto, prevén las necesidades de material en función del consumo heredado y los volúmenes de producción.
A nivel de planta individual, esto se traduce en una visión precisa de los volúmenes de consumo.
Cuando las previsiones de criticidad y demanda se tienen en cuenta conjuntamente, se garantiza que las piezas de repuesto críticas vinculadas a los activos críticos y no críticos se almacenan adecuadamente, eliminando así los tiempos de inactividad prolongados o los gastos excesivos derivados de la falta de disponibilidad de las piezas de repuesto adecuadas.
El análisis anterior a nivel de piezas de recambio es posible gracias a los vínculos entre las listas de materiales de los activos: vincular una pieza de recambio con su activo dependiente es fundamental para la excelencia en la gestión de los tiempos de inactividad.
Al igual que las listas de materiales de los activos, las órdenes de trabajo también son documentos complejos: detallan información extremadamente técnica sobre el trabajo de reparación al que se está sometiendo un activo, la naturaleza del fallo, las piezas probables y las habilidades del técnico que serán necesarias para llevar a cabo el propio trabajo de la orden de trabajo.
Las órdenes de trabajo pueden ser tanto planificadas como no planificadas, y residen sistemáticamente en ubicaciones específicas dentro de EAM, ERP, CMMS o incluso carpetas específicas en una unidad de disco.
Con modelos de IA especialmente entrenados, estos documentos pueden escanearse, interpretarse y estructurarse para alimentar la estrategia de gestión de activos.
Por ejemplo, si 10 órdenes de trabajo en una planta específica requieren 5 piezas cada una de una pieza específica, este aumento de la demanda se puede transmitir al software de gestión de piezas de repuesto para optimizar aún más el inventario.
Mantenimiento predictivo
La implantación del mantenimiento predictivo se ha convertido en algo bastante común en casi todas las industrias.
Lo que antes era una disciplina restringida a las grandes cuentas empresariales con una producción masiva es ahora una práctica adoptada con bastante frecuencia.
La mejora de las tecnologías de sensores, análisis de vibraciones, espectrometría y la capacidad de dar sentido a los datos ha mejorado la capacidad de los equipos de gestión de activos para detectar fallos y sus causas.
La estrategia: En el mantenimiento predictivo, los activos se supervisan a lo largo de su ciclo de vida mediante datos de sensores habilitados para Iiot; el ciclo de vida del mecanismo de supervisión se expresa mediante una "curva PF".
P (Previsibilidad) es simplemente el primer momento en que se detecta el problema con un activo y F (Fallo) es el momento en que el activo se avería por completo.
La idea es detectar el fallo lo antes posible, señalar las posibles razones del problema y prever tanto los recursos humanos como los materiales para corregirlo.
Dada la magnitud de los activos operativos de una empresa, es importante establecer prioridades.
Los activos con un FP más bajo deben priorizarse en primer lugar, la demanda prevista también debe tener en cuenta los datos de mantenimiento predictivo y la provisión para los activos con un FP bajo y los repuestos críticos vinculados a dichos activos.
De este modo, se integra el enfoque de las 4M comentado anteriormente con potentes datos de mantenimiento predictivo.
Mediante el uso de IA Agentic, MRO360 orquesta estas tareas de forma autónoma, gracias a su capacidad para dar sentido a los datos de Mantenimiento Predictivo y garantizar que la planificación de recursos para las órdenes de trabajo planificadas y no planificadas se ejecute de forma autónoma.
AIOps y observabilidad predictiva
El mantenimiento predictivo tradicional se basa en umbrales estáticos. Las empresas avanzan rápidamente hacia las AIOps
AIOps destaca en el análisis multivariante, que examina cómo interactúan distintas variables.
Elimina la "fatiga de alerta" de los umbrales estáticos mediante la identificación de firmas de fallo específicas, lo que reduce significativamente las falsas alarmas a la vez que detecta los problemas reales mucho antes en la curva P-F.
Además, crea un sistema de bucle cerrado en el que la detección activa automáticamente las órdenes de trabajo y la logística de piezas de repuesto, reduciendo el tiempo que transcurre entre la identificación de un problema y su resolución.
Esta transición hacia un mantenimiento automatizado y guiado con precisión maximiza la vida útil operativa de los equipos pesados y elimina casi por completo los tiempos de inactividad imprevistos.
AIOps destaca en el análisis multivariante, examinando cómo interactúan las variables en lugar de evaluarlas de forma aislada. Reduce la fatiga de las alertas de los umbrales estáticos identificando verdaderas firmas de fallos, reduciendo falsas alarmas al tiempo que detecta los problemas antes en la curva P-F. La detección puede desencadenar automáticamente órdenes de trabajo y logística de piezas de repuesto, acortando acorta el tiempo entre la identificación de un problema y su resolución, y permite vida útil de los equipos con menos interrupciones imprevistas.
Programación de la mano de obra
Las empresas ya utilizan un sistema de gestión de órdenes de trabajo o un software de GMAO para programar tanto los trabajos de mantenimiento preventivo como los correctivos.
De hecho, incluso las empresas medianas, pequeñas y medianas también utilizan los calendarios de órdenes de trabajo para corregir estas limitaciones relacionadas con el tiempo de inactividad.
El desafío: A pesar de la madurez de los sistemas, es bastante habitual que se finalice una orden de trabajo y se inicien los trabajos de reparación para descubrir después que faltan las competencias de mano de obra necesarias y que falta un técnico.
La estrategia: Como práctica, una orden de trabajo no debe confirmarse y el trabajo de reparación no debe comenzar a menos que la orden de trabajo alcance un "Estado listo para trabajar".
Las 4 M: Un marco "listo para trabajar
Como disciplina, una orden de trabajo no debe confirmarse y los trabajos de reparación no deben comenzar hasta que la orden de trabajo alcance el estado "Listo para trabajar". Esto se aplica mediante el principio de las 4 M:
se dispone de las piezas de recambio, herramientas y consumibles necesarios para llevar a cabo la reparación
- Disponibilidad de piezas de repuesto confirmada
- Herramientas y consumibles por etapas
- Número de pieza correcto verificado
Los técnicos con las aptitudes necesarias para corregir este fallo están disponibles en el momento de la reparación.
- Técnico asignado y disponible
- Competencias necesarias confirmadas
- Duración asignada en el calendario
El PNT o el manual técnico se imprime o se carga en una tableta
- Manual SOP u OEM cargado
- Lista de control de seguridad impresa/digital
- Permiso de trabajo expedido
El equipo de producción ha acordado "entregar" el equipo en un momento determinado.
- Acordado el traspaso del equipo de producción
- Aislamiento y bloqueo confirmados
- Hora de entrega documentada
Estos pasos eliminan en gran medida los retrasos, cuando una reparación de 2 horas se convierte en un calvario de 6 horas debido a los viajes al taller a mitad de trabajo. Almacén MRO.
En la sección anterior ya hemos explicado cómo la IA agenética puede resolver el problema de la "disponibilidad de material".
El módulo "Planificador de órdenes de trabajo" también puede asignar técnicos específicos para ejecutar un trabajo, con un contexto perfecto de la naturaleza del fallo y los conjuntos de habilidades necesarios para ejecutar el trabajo.
Esta información está disponible a través de la integración con tablas de datos maestros de empleados que detallan las competencias y el historial laboral de técnicos, consultores y proveedores externos.
Gobernanza y madurez del ACR
El Análisis de Causas Raíz (ACR) es una disciplina mediante la cual los profesionales del mantenimiento y la fiabilidad profundizan en la causa raíz del fallo, precisamente para evitar que estos casos se repitan en el futuro.
Todo ejercicio de análisis de causas debe ir respaldado por un análisis técnico riguroso, documentación y medidas de actuación para el futuro. Normalmente, esto se recoge en la orden de trabajo.
En general, el ACR no se realiza por cada pequeño inconveniente o "fallo".
Las empresas fijan umbrales específicos como parte de su estrategia global de gestión de activos;
Algunos desencadenantes podrían ser;
- Incidentes HSE o medioambientales: Requisito RCA creado automáticamente en el sistema CMMS o EAM.
- Incidencias crónicas: Actores que han fallado repetidamente más de 4 veces en un periodo renovable de 12 meses.
- Pérdida operativa: Cualquier parada de una máquina o línea de producción que supere un valor específico - Por ejemplo; $10.000 o más
Sin embargo, en un entorno EAM nativo de IA, el ACR no es sólo un documento que se archiva, sino un punto de datos dinámico que cambia la forma en que toda la empresa ve sus activos y su inventario.
El desafío: El proceso de documentación del análisis de la causa raíz adolece de un problema de "Gobernanza". El letargo general y las tendencias humanas hacen que la documentación del ACR sea incompleta, sin ningún contexto sobre cuál fue exactamente la causa raíz.
Por ejemplo - El ingeniero de fiabilidad puede limitarse a mencionar que el problema se debe a un "fallo del motor de la bomba" sin el contexto adecuado:
- ¿Qué causó exactamente el fallo del motor?
- ¿Qué probabilidades hay de que vuelva a fallar?
- Tiempo aproximado que se espera que la máquina funcione sin fallos
- ¿Qué medidas hay que tomar para evitarlo en el futuro?
- Qué recursos (piezas y mano de obra) serán necesarios para hacer frente al probable fallo en el futuro.
Se trata de datos críticos para una solución EAM, ya que este contexto puede hacer que el inventario y la planificación de recursos sean extremadamente potentes.
En MRO360Los flujos de trabajo de gobernanza de RCA son críticos y configurables con unos sencillos pasos, y obligan al técnico de campo a actualizar el contexto necesario de la avería, como se ha detallado anteriormente, y este contexto se añade a la capa de inteligencia del software, vinculando la avería al equipo exacto.
Esto alimenta la estrategia de inventario, acabando así con el tiempo de inactividad, en caso de avería repetida.
Mantenimiento centrado en la fiabilidad
En el mantenimiento centrado en la fiabilidad, el objetivo cambia ligeramente con respecto al anterior. El objetivo pasa ligeramente de "mantener el equipo en funcionamiento" a "garantizar la continuidad de las operaciones".
Se trata de una distinción sutil pero importante, pues reconoce que no todos los activos requieren el mismo nivel de atención y que un mantenimiento excesivo de los activos no críticos puede ser tan perjudicial para la eficiencia como un mantenimiento insuficiente de los críticos.
Según ARC Advisory Group, 80% de los activos fallan al azar, no en función de la edad, lo que socava fundamentalmente los programas de mantenimiento basados en el tiempo que asumen que el desgaste sigue una curva predecible.
Estudios FMEA y FMECA
En general, un Estudio FMEA se realiza para comprender todos los modos de fallo posibles (¿qué puede salir mal?) y los efectos (las consecuencias en caso de que algo salga mal).
Esto suele hacerse en talleres agotadores que son más un ejercicio de alineación en el que los técnicos hacen todo el análisis manualmente.
Esto lleva mucho tiempo, es propenso a errores y, simplemente, es una estimación muy estática que no tiene en cuenta los cambios del mundo real ni las condiciones de la máquina sobre el terreno.
La solución:
Utilización de IA para incorporar miles de órdenes de trabajo históricas y manuales de fabricantes de equipos originales para rellenar automáticamente los "modos de fallo" y los "efectos de los fallos".
Cálculo dinámico del Número de Prioridad de Riesgo (RPN) cruzando datos de sensores en tiempo real con el coste empresarial de la caída de una línea específica.
En la sección anterior, mostramos cómo MRO360 se basa en las mejores prácticas de FMEA y FMECA y cómo las mejora aún más con la IA Agentic que se alimenta de datos de primera parte.
Integración de grupos "Run-to-Failure" (RTF)
Un principio clave de la GCR es que se debe permitir que algunos activos fallen si no son críticos.
Enfoque para reducir los tiempos de inactividad: Para los activos etiquetados como Run-to-Failure en el software, el sistema suprime las alertas de mantenimiento proactivo pero mantiene un Justo a tiempo inventario de piezas de repuesto para que, cuando se produzca el fallo, el MTTR sea de minutos, no de días
| Acérquese a | Cuándo solicitarlo | Estrategia de inventario | Nivel de riesgo |
|---|---|---|---|
| Predictivo / Basado en el estado | Activos críticos con alto coste de inactividad | Existencias previstas en función de la demanda y la criticidad | Alta |
| Preventivo / Temporal | Activos con patrones de desgaste conocidos | Reposición programada por intervalo OEM | Medio |
| Ejecutar hasta el fallo (RTF) | Activos no críticos, fácilmente sustituibles | Sólo stock de reposición Just-in-Time | Bajo |
Optimización dinámica del "intervalo de tareas
RCM no es "configúralo y olvídalo". El software proporciona el bucle de retroalimentación necesario para la Mejora Continua.
Análisis matemático: El software analiza la relación "Edad-Fiabilidad". Si el RCM sugería originalmente una sustitución de piezas cada 1.000 horas, pero el software ve que los fallos en realidad sólo empiezan a las 1.500 horas, retrasa automáticamente el intervalo de mantenimiento, ahorrando costes sin aumentar el riesgo.
Utilización de software para realizar un seguimiento de los puntos de "fallo funcional" frente a los puntos de "fallo potencial" (el intervalo P-F) para afinar exactamente cuándo debe intervenir un técnico.
En el caso de los activos designados como Run-to-Failure, el sistema suprime las alertas de mantenimiento proactivo, al tiempo que mantiene un inventario Just-in-Time de repuestos. mantenimiento proactivo y mantiene un inventario de piezas de repuesto de piezas de repuesto, lo que garantiza que los fallos se resuelvan en minutos en lugar de días.
Conclusión
El tiempo de inactividad de los activos no es un problema aislado con una única solución. Es el resultado combinado del envejecimiento de los activos, las deficiencias de inventario, las limitaciones de personal, los fallos de documentación y la omisión de señales predictivas, cada uno de los cuales se alimenta del otro.
Las organizaciones que ganan en tiempo de actividad no son necesariamente las que más gastan en mantenimiento. Son las que han invertido en la infraestructura de datos adecuada, han cerrado el bucle entre las incidencias de avería y la planificación del inventario, y han creado la disciplina institucional para actuar en función de lo que les dicen los datos, antes de la avería, no después.
El cambio de una gestión de activos reactiva a una proactiva ya no es una aspiración a largo plazo. Gracias a la IA específica, la inteligencia de órdenes de trabajo conectadas y el software de optimización de piezas de repuesto, hoy es una realidad operativa al alcance de las organizaciones con un uso intensivo de activos.
