{"id":45293,"date":"2026-06-24T16:45:38","date_gmt":"2026-06-24T11:15:38","guid":{"rendered":"https:\/\/www.verdantis.com\/?p=45293"},"modified":"2026-07-28T13:42:34","modified_gmt":"2026-07-28T08:12:34","slug":"coste-del-tiempo-de-inactividad","status":"publish","type":"post","link":"https:\/\/www.verdantis.com\/es\/coste-del-tiempo-de-inactividad\/","title":{"rendered":"Paradas imprevistas: an\u00e1lisis de costes y recuperaci\u00f3n"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Resumen<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Las organizaciones de los sectores de la fabricaci\u00f3n, el petr\u00f3leo y el gas, la energ\u00eda, los servicios p\u00fablicos, la miner\u00eda y los productos qu\u00edmicos se enfrentan a una presi\u00f3n cada vez mayor para aumentar la disponibilidad de los activos y, al mismo tiempo, contener los costes. Las paradas no planificadas constituyen el principal motivo de esa presi\u00f3n y se han convertido en el mayor coste oculto de las operaciones industriales.<\/p>\n

Siemens, en su informe \u00abEl verdadero coste del tiempo de inactividad 2024\u00bb, cuantific\u00f3 el problema en aproximadamente $1,4 billones al a\u00f1o<\/strong> entre las 500 empresas m\u00e1s grandes del mundo. Lo m\u00e1s llamativo es la tendencia: el coste ha aumentado un 62 % desde 2019, a pesar de que el n\u00famero de incidentes ha disminuido. Las paradas son menos frecuentes, pero cada una de ellas resulta m\u00e1s costosa, ya que las plantas funcionan con menos personal y los costes ocultos asociados a cada incidente han aumentado.<\/p>\n

Este informe retoma el tema donde lo deja la cifra macroecon\u00f3mica. Identifica d\u00f3nde se acumula realmente la p\u00e9rdida y, lo que es a\u00fan m\u00e1s \u00fatil, qu\u00e9 parte de ella es recuperable. La respuesta breve que se desprende del an\u00e1lisis de Verdantis es la siguiente: la mayor parte de las p\u00e9rdidas no se debe al fallo mec\u00e1nico en s\u00ed, sino a la respuesta que se da ante \u00e9l, a la b\u00fasqueda de la pieza adecuada y de los datos necesarios para utilizarla, y una gran parte de esas p\u00e9rdidas es recuperable sin necesidad de aumentar la plantilla.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Resumen de las principales conclusiones<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
$1.4T<\/span>
El coste macroecon\u00f3mico.<\/span> Las paradas imprevistas suponen un coste de aproximadamente $1,4 billones al a\u00f1o para las 500 empresas m\u00e1s grandes del mundo, lo que representa alrededor del 11 % de sus ingresos, lo que supone un aumento del 62 % desde 2019.
Siemens, Coste real del tiempo de inactividad 2024<\/div><\/div><\/div>
$260K<\/span>
Un estudio comparativo independiente lo confirma.<\/span> Seg\u00fan Aberdeen, el coste medio de los paros no planificados en el sector manufacturero ronda los $260 000 por hora y asciende a unos $50 mil millones al a\u00f1o en el conjunto del sector manufacturero estadounidense.
Aberdeen<\/div><\/div><\/div>
#1<\/span>
Las piezas determinan el tiempo de reparaci\u00f3n.<\/span> La falta de disponibilidad de piezas es el principal factor que determina el tiempo que un activo parado permanece fuera de servicio, ya que la l\u00ednea de producci\u00f3n tiene que esperar a que finalice todo el proceso de b\u00fasqueda, no solo la reparaci\u00f3n.
An\u00e1lisis de Verdantis<\/div><\/div><\/div>
25-35%<\/span>
La diferencia de tiempo de apriete.<\/span> Los t\u00e9cnicos dedican solo entre una cuarta parte y un tercio de su turno al trabajo pr\u00e1ctico; el resto lo dedican, en gran parte, a la b\u00fasqueda y a la log\u00edstica.
Estudios sobre el tiempo de uso de llaves en la industria<\/div><\/div><\/div>
~83%<\/span>
Los fallos suelen ser aleatorios.<\/span> Aproximadamente el 83 % de las aver\u00edas siguen patrones aleatorios, por lo que el mantenimiento programado solo detecta una minor\u00eda de ellas y el mantenimiento predictivo se convierte en la principal herramienta para la recuperaci\u00f3n.
An\u00e1lisis de Verdantis<\/div><\/div><\/div>
70%<\/span>
El cambio hacia la IA es de car\u00e1cter activo.<\/span> Los agentes de IA ahora eval\u00faan el nivel de criticidad, prev\u00e9n la demanda de repuestos y se\u00f1alan las \u00f3rdenes de trabajo de riesgo antes de su emisi\u00f3n; el mantenimiento predictivo reduce las aver\u00edas hasta en un 70 por ciento.
Deloitte, McKinsey; an\u00e1lisis de Verdantis<\/div><\/div><\/div>
~$17M<\/span>
El premio que se puede recuperar.<\/span> De los aproximadamente $56 millones que se pierden cada a\u00f1o por cada instalaci\u00f3n, unos $17 millones se pueden recuperar solo mediante el mantenimiento predictivo.
Estimaci\u00f3n de Verdantis<\/div><\/div><\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Objetivo del informe<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los datos de mantenimiento, reparaci\u00f3n y operaciones (MRO) y de activos suelen estar dispersos entre sistemas ERP, CMMS y hojas de c\u00e1lculo, lo que convierte el tiempo de inactividad en una fuente de p\u00e9rdidas recurrentes en lugar de un riesgo controlado. Este informe cuantifica el impacto de los datos conectados sobre piezas y activos en el coste del tiempo de inactividad, la recuperaci\u00f3n y el capital circulante, y ofrece a los responsables de operaciones puntos de referencia basados en datos emp\u00edricos sobre los que tomar medidas.<\/p>\n

Los objetivos principales del informe son establecer referencias fundamentadas sobre el coste del tiempo de inactividad no planificado, basadas en estudios publicados; mostrar en qu\u00e9 parte de la cifra global se encuentra el dinero recuperable; clasificar las medidas que permiten reducir m\u00e1s tiempo de inactividad por unidad de esfuerzo; y respaldar las decisiones sobre la gesti\u00f3n de activos empresariales (EAM), el mantenimiento predictivo y la estrategia de inventario de MRO con estimaciones basadas en datos.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Metodolog\u00eda y alcance<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Las cifras que figuran en este informe no proceden de una encuesta realizada sobre el terreno a los encuestados. Se trata de estimaciones obtenidas a partir de modelos, elaboradas combinando investigaciones publicadas con los modelos de escenarios de Verdantis, y se indican en todo momento como \u00aban\u00e1lisis de Verdantis\u00bb o \u00abestimaci\u00f3n de Verdantis\u00bb, de modo que nunca haya dudas sobre su fundamento. El enfoque combina cuatro m\u00e9todos.<\/p>\n

Anclaje de referencia.<\/strong> El coste macro se ha extra\u00eddo directamente del informe de Siemens \u00abTrue Cost of Downtime 2024\u00bb. Los valores de referencia independientes del coste por hora de tiempo de inactividad proceden de Aberdeen. Las cifras relativas al tiempo de intervenci\u00f3n, el inventario de MRO y el mantenimiento predictivo proceden de estudios sectoriales publicados (entre otros, de Deloitte y McKinsey), y los \u00edndices de patrones de fallo, de la bibliograf\u00eda sobre fiabilidad (Nowlan y Heap).<\/p>\n

Modelizaci\u00f3n basada en escenarios.<\/strong> Se aplican las tasas de coste por tiempo de inactividad espec\u00edficas de cada sector a una instalaci\u00f3n representativa con un elevado nivel de activos para estimar la p\u00e9rdida anual y la parte recuperable mediante cada medida, utilizando rangos de valores en lugar de valores puntuales.<\/p>\n

Triangulaci\u00f3n de datos.<\/strong> Los resultados del modelo se comparan con los valores de referencia publicados anteriormente para garantizar que se mantengan dentro de unos l\u00edmites razonables.<\/p>\n

Validaci\u00f3n prospectiva.<\/strong> Se ha dise\u00f1ado un cuestionario estructurado para contrastar estas estimaciones con los datos facilitados por los operadores, y los resultados se incorporar\u00e1n a este informe tan pronto como est\u00e9n disponibles.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

\u00c1mbito de aplicaci\u00f3n: sectores y \u00edndices de coste del tiempo de inactividad modelizados<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El modelo utiliza tarifas representativas del coste por hora de inactividad para seis sectores con un uso intensivo de activos. Se trata de datos de entrada, no de respuestas a encuestas, y pueden adaptarse a una operaci\u00f3n concreta.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Industria<\/th>Coste modelizado del tiempo de inactividad por hora<\/th><\/tr>
Fabricaci\u00f3n discreta<\/td>$260,000<\/td><\/tr>
Petr\u00f3leo y gas<\/td>$250,000<\/td><\/tr>
Productos qu\u00edmicos<\/td>$190,000<\/td><\/tr>
Miner\u00eda y metalurgia<\/td>$187,500<\/td><\/tr>
Energ\u00eda y servicios p\u00fablicos<\/td>$160,000<\/td><\/tr>
Alimentaci\u00f3n y bebidas<\/td>$120,000<\/td><\/tr><\/table>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

La anatom\u00eda de los $1,4 billones<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Normalmente, los tiempos de inactividad se abordan abordando una causa cada vez. Verdantis los clasifica en cinco \u00e1mbitos interrelacionados y, dado que estos \u00e1mbitos est\u00e1n vinculados entre s\u00ed, la falta de piezas puede convertir un fallo aislado en uno prolongado y costoso. Ninguna funci\u00f3n en concreto es la principal responsable.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Proporci\u00f3n de horas perdidas por tipo de fallo \u00b7 An\u00e1lisis de Verdantis<\/div>
Integridad de los activos<\/span><\/span><\/span>39%<\/span><\/div>
Planificaci\u00f3n del mantenimiento<\/span><\/span><\/span>20%<\/span><\/div>
Plantilla<\/span><\/span><\/span>18%<\/span><\/div>
Cadena de suministro de piezas de recambio<\/span><\/span><\/span>12%<\/span><\/div>
Externo y digital<\/span><\/span><\/span>10%<\/span><\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El \u00e1mbito de los recambios solo representa una octava parte de las aver\u00edas, pero es el factor que m\u00e1s influye en el tiempo que un activo permanece fuera de servicio una vez que se produce una aver\u00eda. Ese es el tema recurrente de este informe, y la raz\u00f3n por la que gesti\u00f3n de repuestos cr\u00edticos<\/a> recibe m\u00e1s atenci\u00f3n de la que cabr\u00eda esperar solo por el n\u00famero de incidentes que se producen.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Principales conclusiones de la investigaci\u00f3n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

1. El coste de las paradas imprevistas<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
$1.4T<\/div>
Coste anual de las 500 empresas m\u00e1s grandes del mundo (Siemens)<\/div><\/div>
~$56M<\/div>
P\u00e9rdida estimada por instalaci\u00f3n con gran concentraci\u00f3n de activos, al a\u00f1o (Verdantis)<\/div><\/div>
~$206K<\/div>
Coste estimado por hora de inactividad en una l\u00ednea cr\u00edtica (Verdantis)<\/div><\/div>
+62%<\/div>
Aumento del coste del tiempo de inactividad desde 2019, a pesar de que el n\u00famero de incidentes se redujo (Siemens)<\/div><\/div>
~$260K\/h<\/div>
Coste medio del tiempo de inactividad en el sector manufacturero, estudio comparativo independiente (Aberdeen)<\/div><\/div>
~$50B<\/div>
Coste anual de los paros no planificados en el sector manufacturero de EE. UU. (Aberdeen)<\/div><\/div><\/div>
Perspectiva.<\/span> El coste radica cada vez m\u00e1s en la respuesta, no en el fallo. Una central m\u00e1s eficiente pierde m\u00e1s por cada hora de inactividad, por lo que acortar cada parada es m\u00e1s importante que nunca. La referencia independiente de Aberdeen, de aproximadamente $260 000 por hora, coincide con la estimaci\u00f3n por hora de la propia Verdantis, por lo que dos m\u00e9todos distintos arrojan resultados dentro del mismo rango.<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

2. La mayor\u00eda de los fallos son aleatorios<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
~83%<\/div>
Los fallos siguen patrones aleatorios, no relacionados con la edad (Verdantis)<\/div><\/div>
~30%<\/div>
Tiempo de inactividad recuperable que puede abordarse mediante el mantenimiento predictivo (Verdantis)<\/div><\/div>
hasta 70%<\/div>
Menos aver\u00edas gracias al mantenimiento predictivo (Deloitte)<\/div><\/div>
~25%<\/div>
Menores costes de mantenimiento gracias al mantenimiento predictivo (Deloitte, McKinsey)<\/div><\/div><\/div>
Perspectiva.<\/span> El mantenimiento basado en un calendario solo puede abordar una peque\u00f1a parte de los problemas relacionados con la antig\u00fcedad. El mantenimiento predictivo, basado en el estado, es la principal v\u00eda de recuperaci\u00f3n, con un rendimiento m\u00e1s del doble que el del mantenimiento preventivo basado en el tiempo.<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Por eso el trabajo basado en las condiciones es m\u00e1s importante que el calendario. La visi\u00f3n completa se encuentra en nuestro conjunto de datos complementario en estad\u00edsticas de mantenimiento predictivo<\/a>.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

3. Las piezas y los datos determinan el tiempo de reparaci\u00f3n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
#1<\/div>
La falta de disponibilidad de piezas es el principal factor que influye en el tiempo de reparaci\u00f3n (Verdantis)<\/div><\/div>
25-35%<\/div>
Por cada turno, los t\u00e9cnicos dedican un tiempo a manejar llaves inglesas (seg\u00fan estudios del sector)<\/div><\/div>
~70%<\/div>
De los datos de las m\u00e1quinas que recopilan las operaciones industriales, una parte no se aprovecha (industria)<\/div><\/div>
+20-30 puntos<\/div>
Tiempo de trabajo dedicado a tareas no planificadas, con material preparado y datos completos (industria)<\/div><\/div><\/div>
Perspectiva.<\/span> El activo permanece fuera de servicio durante toda la b\u00fasqueda, no solo durante la reparaci\u00f3n. Las piezas fragmentadas y duplicadas, as\u00ed como los registros de activos, obligan a los t\u00e9cnicos cualificados a embarcarse en una aut\u00e9ntica b\u00fasqueda del tesoro, y es precisamente en esa b\u00fasqueda donde se esconden las horas controlables.<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

4. \u00bfQu\u00e9 es recuperable?<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
~$17M<\/div>
Importe recuperable por instalaci\u00f3n \u00fanicamente mediante el mantenimiento predictivo (Verdantis)<\/div><\/div>
$22-34M<\/div>
Recuperaci\u00f3n total prevista por centro en todas las palancas (Verdantis)<\/div><\/div><\/div>
Perspectiva.<\/span> La recuperaci\u00f3n no requiere, en primer lugar, m\u00e1s personal ni nuevos sensores. Lo que se necesita es conectar los datos sobre piezas, activos y \u00f3rdenes de trabajo de los que ya dispone la empresa, de modo que la pieza y el plan adecuados est\u00e9n listos antes de que el t\u00e9cnico se acerque al activo.<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

5. El lastre que suponen las existencias y las compras<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
15-25%<\/div>
Parte del inventario de MRO est\u00e1 obsoleto o es excedente (sector)<\/div><\/div>
18-30%<\/div>
Coste anual de mantenimiento del stock de MRO (sector)<\/div><\/div>
30-60%<\/div>
Recargo en los pedidos de emergencia frente a las compras planificadas (sector industrial)<\/div><\/div>
40-50%<\/div>
Porcentaje del presupuesto de mantenimiento que representa el MRO (sector)<\/div><\/div><\/div>
Perspectiva.<\/span> Esa misma falta de informaci\u00f3n que prolonga el tiempo de inactividad tambi\u00e9n inmoviliza capital: se vuelven a pedir piezas que nadie encuentra, mientras que el excedente de existencias se queda en las estanter\u00edas y en otra planta se agota el mismo art\u00edculo.<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Repercusi\u00f3n financiera consolidada<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La tabla siguiente resume la recuperaci\u00f3n anual prevista para una \u00fanica instalaci\u00f3n representativa con un elevado nivel de activos, desglosada por palanca financiera. Las cifras son estimaciones del escenario de Verdantis expresadas en forma de rangos, calibradas seg\u00fan los valores de referencia de la metodolog\u00eda. Son orientativas y no son estrictamente acumulativas.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Palanca<\/th>Qu\u00e9 recupera<\/th>Bajo<\/th>Alta<\/th><\/tr>
Mantenimiento predictivo<\/td>Detecci\u00f3n precoz de fallos aleatorios<\/td>$14M<\/td>$20M<\/td><\/tr>
Disponibilidad de piezas y datos<\/td>Menor tiempo de reparaci\u00f3n, menos roturas de stock<\/td>$4M<\/td>$7M<\/td><\/tr>
Productividad de la plantilla<\/td>M\u00e1s tiempo de trabajo, menos b\u00fasqueda<\/td>$2M<\/td>$3M<\/td><\/tr>
Inventario y aprovisionamiento<\/td>Menores costes de mantenimiento, menos compras de emergencia<\/td>$2M<\/td>$4M<\/td><\/tr>
Recuperaci\u00f3n total prevista por centro<\/b><\/td><\/td>$22M<\/b><\/td>$34M<\/b><\/td><\/tr><\/table>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

An\u00e1lisis de Verdantis, por centro, rangos previstos. Los resultados de la implantaci\u00f3n var\u00edan en funci\u00f3n de la madurez operativa y deben validarse con los datos del operador.<\/em><\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Los $1,4 billones que ha identificado Siemens no son una prueba de que las m\u00e1quinas se estropeen m\u00e1s r\u00e1pido. Son una prueba de que la informaci\u00f3n necesaria para evitar esa p\u00e9rdida est\u00e1 ah\u00ed, sin utilizarse y desconectada.<\/div>
Kumar Gaurav Gupta<\/span> \u00b7 Director general de Verdantis<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

El giro hacia la IA en el mantenimiento<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La recuperaci\u00f3n a la que se refiere este informe no se refleja en el aumento de la plantilla, sino en el paso de la IA de los proyectos piloto en las oficinas administrativas a la planta de producci\u00f3n, al almac\u00e9n y a la cola de \u00f3rdenes de trabajo. El mercado de la IA aplicada al mantenimiento predictivo es ahora una de las categor\u00edas de m\u00e1s r\u00e1pido crecimiento en el sector del software industrial, con previsiones de los analistas que oscilan entre una tasa de crecimiento anual compuesto de entre el 15 % y casi el 40 %, lo que indica que los operadores con un gran volumen de activos est\u00e1n pasando de un enfoque reactivo a uno proactivo a gran escala.<\/p>\n

En el \u00e1mbito del MRO, el valor reside en los agentes, no en un chatbot. Los agentes de IA eval\u00faan continuamente la criticidad de las piezas y los activos, prev\u00e9n la demanda de repuestos, establecen puntos de reposici\u00f3n din\u00e1micos y se\u00f1alan las \u00f3rdenes de trabajo que corren el riesgo de quedarse sin alguna pieza antes de que se aprueben. Cada agente transmite al siguiente una se\u00f1al m\u00e1s clara, de modo que el planificador se centra en el reducido n\u00famero de art\u00edculos que entra\u00f1an un riesgo real, en lugar de tener que clasificar miles de ellos, con un humano que apruebe cada cambio.<\/p>\n

El mantenimiento predictivo basado en el estado de los equipos es la vanguardia, ya que es el \u00fanico enfoque que aborda aproximadamente el 83 % de las aver\u00edas que son aleatorias y no est\u00e1n relacionadas con la antig\u00fcedad. Los beneficios ya est\u00e1n demostrados: hasta un 70 % menos de aver\u00edas y unos costes de mantenimiento un 25 % m\u00e1s bajos (Deloitte, McKinsey). Esa es la l\u00f3gica que subyace a un Enfoque basado en la inteligencia artificial para la gesti\u00f3n de activos empresariales<\/a>: conecta primero las se\u00f1ales de las piezas, los activos y las \u00f3rdenes de trabajo; a continuaci\u00f3n, deja que los agentes se encarguen de las decisiones rutinarias con una acci\u00f3n recomendada, de modo que el personal cualificado quede libre para ocuparse de aquellas que requieran criterio.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Retos y oportunidades<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Datos fragmentados sobre piezas y activos.<\/strong> La misma pieza f\u00edsica aparece con varias descripciones y n\u00fameros de referencia, las ubicaciones en los almacenes son incorrectas y los manuales de los activos est\u00e1n desactualizados. Esta es la causa principal de la \u00abb\u00fasqueda del tesoro\u00bb y de las compras duplicadas.<\/p>\n

Flujos de trabajo manuales y reactivos.<\/strong> Cuando las \u00f3rdenes de trabajo siguen gestion\u00e1ndose mediante hojas de c\u00e1lculo y en papel, los trabajos se ponen en marcha sin confirmar la pieza ni el plan, lo que convierte una reparaci\u00f3n r\u00e1pida en una interrupci\u00f3n prolongada del servicio.<\/p>\n

Pol\u00edticas est\u00e1ticas de almacenamiento y reposici\u00f3n.<\/strong> Los puntos de reabastecimiento y el stock de seguridad suelen fijarse una sola vez durante la configuraci\u00f3n del sistema y nunca se revisan, lo que provoca tanto la falta de existencias de piezas cr\u00edticas como un exceso de existencias del resto. La pol\u00edtica ya no refleja el consumo real, los plazos de entrega ni el grado de criticidad.<\/p>\n

Freno en la mano de obra.<\/strong> Los t\u00e9cnicos cualificados pasan la mayor parte de su turno sin utilizar llaves inglesas. Recuperar ese tiempo es una de las mayores fuentes de capacidad que pasan desapercibidas a simple vista.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Ventajas estrat\u00e9gicas de un sistema EAM conectado<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
Zona<\/th>Impacto clave<\/th>Base<\/th><\/tr>
Mantenimiento predictivo<\/td>Detecta fallos aleatorios antes de que provoquen una parada de la l\u00ednea<\/td>Hasta 70% aver\u00edas menos (Deloitte)<\/td><\/tr>
Datos sobre piezas y activos<\/td>Menor tiempo de reparaci\u00f3n y menos roturas de stock<\/td>Los componentes son el controlador #1 del tiempo de reparaci\u00f3n (Verdantis)<\/td><\/tr>
Optimizaci\u00f3n de inventarios<\/td>Menos capital inmovilizado en excedentes y existencias muertas<\/td>El art\u00edculo 15-25% del inventario de mantenimiento, reparaci\u00f3n y operaciones (MRO) es excedente (sector industrial)<\/td><\/tr>
Adquisiciones estrat\u00e9gicas<\/td>Menos compras de emergencia a precios elevados<\/td>Prima de emergencia 30-60% no cobrada (sector)<\/td><\/tr>
Productividad de la plantilla<\/td>M\u00e1s tiempo para practicar, menos tiempo buscando<\/td>+20-30 puntos de tiempo de intervenci\u00f3n cuando el trabajo est\u00e1 planificado (sector industrial)<\/td><\/tr><\/table>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los rangos espec\u00edficos de resultados de la implantaci\u00f3n de MRO360 \u2014que abarcan la liberaci\u00f3n de capital circulante, la reducci\u00f3n del gasto de emergencia y la reducci\u00f3n del tiempo de inactividad\u2014 est\u00e1n disponibles previa solicitud como rangos estimados, a la espera de la aprobaci\u00f3n del producto y de las autoridades competentes.<\/em><\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un enfoque viable<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para reducir la brecha es necesario adoptar un enfoque por etapas que combine la evaluaci\u00f3n de la criticidad, la disciplina en la gesti\u00f3n de existencias y la tecnolog\u00eda predictiva. Verdantis recomienda la siguiente secuencia.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tEvaluar el tiempo de inactividad y la exposici\u00f3n a la falta de repuestos\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Revisa los registros de piezas, activos y \u00f3rdenes de trabajo, y cuantifica cu\u00e1nto tiempo de inactividad y capital circulante se debe a la falta de existencias, al stock muerto y a la b\u00fasqueda de piezas.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tGrado de importancia de la puntuaci\u00f3n\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Conjunto criticidad de las piezas y los activos<\/a> De este modo, las existencias, los m\u00e1rgenes de seguridad y la atenci\u00f3n de los planificadores se destinan a aquellos \u00e1mbitos en los que un fallo realmente tiene consecuencias negativas.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tConecta piezas, activos y \u00f3rdenes de trabajo\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Link vincula las piezas de recambio con los equipos y las \u00f3rdenes de trabajo a los que corresponden, de modo que la pieza adecuada y su ubicaci\u00f3n aparecen antes de que el t\u00e9cnico las necesite.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tOptimizar el inventario y la demanda\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Optimizar el nivel de existencias con Gesti\u00f3n de inventarios MRO<\/a> y la previsi\u00f3n de la demanda para reducir tanto la falta de existencias como el exceso de stock, y hacer que los puntos de reposici\u00f3n sean din\u00e1micos.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tMantenimiento predictivo por capas\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Implementar EAM basado en IA<\/a> para detectar fallos aleatorios en una fase m\u00e1s temprana, cuando a\u00fan hay tiempo para preparar la pieza y el plan.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tMedir, validar y ampliar\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t

Realiza aqu\u00ed un seguimiento del tiempo de inactividad, la tasa de acierto del inventario y la recuperaci\u00f3n con respecto a las estimaciones, y ve ampliando el an\u00e1lisis partiendo de los activos de mayor impacto.<\/p>\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\n\t\n<\/svg>\t\t<\/div>\n\t\t\t\t
\n\t\t\t\n\t\n<\/svg>\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Preguntas frecuentes<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Preguntas frecuentes sobre el coste de los paros imprevistos, qu\u00e9 factores los provocan y cu\u00e1nto pueden recuperar, de forma realista, las operaciones con un uso intensivo de activos.<\/p><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t\t
\u00bfCu\u00e1nto cuesta realmente un tiempo de inactividad no planificado? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Siemens cifra esta cantidad en unos **$1,4 billones al a\u00f1o** entre las 500 empresas m\u00e1s grandes del mundo, lo que supone aproximadamente el 11 % de sus ingresos. Un \u00edndice de referencia independiente de Aberdeen se sit\u00faa en torno a $260 000 por hora en el sector manufacturero, y los modelos de Verdantis estiman unas p\u00e9rdidas anuales de unos $56 millones en una sola planta con un uso intensivo de activos.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t\t

\n\t\t\t\t\n\t\t\t\t\t
\u00bfPor qu\u00e9 el tiempo de inactividad resulta cada vez m\u00e1s costoso si los incidentes est\u00e1n disminuyendo? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Las plantas funcionan con menos personal que en 2019, por lo que cada parada supone una mayor p\u00e9rdida de producci\u00f3n y los costes ocultos asociados a ella han aumentado. Siemens registra un aumento del 62 % en el coste del tiempo de inactividad desde 2019, a pesar de que los incidentes han disminuido. El coste se ha desplazado hacia la respuesta: la b\u00fasqueda de la pieza adecuada, los datos necesarios para utilizarla y el tiempo que la l\u00ednea permanece a la espera.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t\t

\n\t\t\t\t\n\t\t\t\t\t
\u00bfCu\u00e1l es el factor m\u00e1s importante que determina el tiempo que un activo permanece fuera de servicio? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Falta de disponibilidad de piezas. Cuando se produce una aver\u00eda, el activo queda inactivo durante todo el proceso de b\u00fasqueda, no solo durante la reparaci\u00f3n. Los registros de piezas y activos fragmentados y duplicados son los que obligan a los t\u00e9cnicos a embarcarse en una b\u00fasqueda del tesoro, raz\u00f3n por la cual los datos conectados reducen las interrupciones de servicio de forma m\u00e1s fiable que el aumento de la mano de obra.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t\t

\n\t\t\t\t\n\t\t\t\t\t
\u00bfCu\u00e1nto tiempo de inactividad se puede recuperar de forma realista? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Seg\u00fan los modelos de Verdantis, la recuperaci\u00f3n total prevista oscila entre **$22 millones y $34 millones por instalaci\u00f3n al a\u00f1o** en todas las \u00e1reas, de los cuales aproximadamente $17 millones se deben \u00fanicamente al mantenimiento predictivo. La recuperaci\u00f3n comienza conectando los datos sobre piezas, activos y \u00f3rdenes de trabajo de los que ya dispone la empresa, y no comprando primero nuevos sensores.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t\t

\n\t\t\t\t\n\t\t\t\t\t
\u00bfEn qu\u00e9 aspectos concretos resulta \u00fatil la IA en el \u00e1mbito del MRO? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Se trata de un sistema basado en agentes, m\u00e1s que de un chatbot. Los agentes de IA eval\u00faan la importancia de las piezas y los activos, prev\u00e9n la demanda de repuestos, establecen puntos de reposici\u00f3n din\u00e1micos y se\u00f1alan las \u00f3rdenes de trabajo que corren el riesgo de quedarse sin alguna pieza antes de su aprobaci\u00f3n, debiendo un humano autorizar cada cambio. Esto permite al planificador centrarse en los pocos art\u00edculos que entra\u00f1an un riesgo real, en lugar de tener que evaluar miles de ellos.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t\t

\n\t\t\t\t\n\t\t\t\t\t
\u00bfEs suficiente el mantenimiento predictivo por s\u00ed solo? <\/div><\/span>\n\t\t\t\t\t\t\t\n\t\t\t<\/path><\/svg><\/span>\n\t\t\t<\/path><\/svg><\/span>\n\t\t<\/span>\n\n\t\t\t\t\t\t<\/summary>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Es el factor m\u00e1s importante, ya que aborda alrededor del 30 % del tiempo de inactividad recuperable, dado que aproximadamente el 83 % de las aver\u00edas son aleatorias y no est\u00e1n relacionadas con la antig\u00fcedad. Sin embargo, la eficacia de los modelos predictivos depende de la calidad de los registros que analizan, por lo que lo primero es conectar y depurar los datos de las piezas y los activos.<\/p><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/details>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un an\u00e1lisis de investigaci\u00f3n de Verdantis, basado en los datos de referencia de Siemens y Aberdeen, que detalla a d\u00f3nde se destina el coste de $1,4 billones de tiempo de inactividad del sector y cu\u00e1nto pueden recuperar las operaciones con un uso intensivo de activos.<\/p>","protected":false},"author":7,"featured_media":45447,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[64],"tags":[],"class_list":["post-45293","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/45293","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/comments?post=45293"}],"version-history":[{"count":5,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/45293\/revisions"}],"predecessor-version":[{"id":46173,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/posts\/45293\/revisions\/46173"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/media\/45447"}],"wp:attachment":[{"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/media?parent=45293"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/categories?post=45293"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.verdantis.com\/es\/wp-json\/wp\/v2\/tags?post=45293"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}