Una manera más inteligente de digitalizar el mantenimiento y la confiabilidad

| Artículo

Las industrias caracterizadas por el uso intensivo de activos, como petróleo y gas, químicos, minería, metales, papel y celulosa o generación eléctrica, han estado implementando nuevas tecnologías en un esfuerzo por mejorar la confiabilidad y la disponibilidad de su equipamiento, sin disparar los costos de mantenimiento. Usando herramientas digitales y funcionalidades analíticas avanzadas a la par de los métodos Lean tradicionales, estas organizaciones aspiran a predecir y prevenir fallas en sus equipos, aumentar la productividad de la fuerza de trabajo y racionalizar la administración de sus contratistas..

Cuando todos los requerimientos se cumplen, los resultados pueden ser sorprendentes. Los jugadores líderes de una variedad de industrias pesadas han empleado herramientas digitales para reducir significativamente las paradas no planificadas, además de aumentar la productividad del trabajo de mantenimiento. La mayor disponibilidad de maquinaria y una fuerza laboral eficiente condujeron a aumentos de la rentabilidad en el orden del 4 al 10 por ciento en algunas organizaciones.

Pero estos ejemplos destacados son la excepción a la regla. Muchas compañías implementaron soluciones digitales de mantenimiento y confiabilidad con escaso impacto concreto. ¿Qué es lo que marca la diferencia?

Según nuestra experiencia, las implementaciones exitosas de mantenimiento y confiabilidad digital tienen tres características en común. En primer término, estas compañías adoptan una perspectiva holística de las nuevas herramientas, e integran las tecnologías digitales con una visión clara del futuro de la función. En segundo lugar, ponen el foco en dos áreas que han demostrado ser verdaderamente efectivas para las aplicaciones en la industria pesada: mantenimiento predictivo (MPd) y gestión digital del trabajo (DWM, por su sigla en inglés). Por último, dan soporte al uso de herramientas digitales asegurando la presencia de los elementos facilitadores necesarios, incluidos flujos de trabajo optimizados, una infraestructura de datos robusta y las competencias de su personal (Gráfico).

Gráfico

Un examen más detallado de este abordaje revela detalles importantes que los adoptantes iniciales resolvieron correctamente como parte de una transformación más amplia de sus funciones de mantenimiento y confiabilidad. En particular, ponen el acento en la manera que DWM y MPd generan valor, usando las herramientas digitales para reformular procesos completos y satisfacer mejor las necesidades de los usuarios.

Gestión digital del trabajo: las tareas se llevan a cabo más rápido, mejor y a más bajo costo

DWM comprende una amplia variedad de sistemas que mejoran el trabajo de mantenimiento, desde identificación y planificación de tareas hasta programación, manejo de materiales, despacho, ejecución y cierre de órdenes de trabajo. Generalmente, DWM está incorporado o complementa la plataforma de planificación de recursos empresariales (ERP) existente en la organización. El sistema ERP sirve como fuente de buena parte de la información básica utilizada por DWM, como datos estructurados de maquinaria, inventarios de piezas, información del personal y cronogramas de mantenimiento preventivo.

Acto seguido, el sistema DWM optimiza aspectos como priorización de tareas, planeación, asignación, obtención de permisos, programación y despacho, teniendo en cuenta restricciones como las competencias del personal y la disponibilidad de insumos. Estos sistemas también proveen soporte para la ejecución en el terreno, con dispositivos móviles o mecanismos de realidad aumentada que guían a los trabajadores mientras realizan las tareas, reuniendo datos sobre el estado de los activos y mejorando la precisión y la velocidad del cierre de las órdenes de trabajo y los pagos a contratistas.

Los sistemas DWM bien diseñados producen valor al elevar la eficiencia de la mano de obra interna y externa, reducir el tiempo de inactividad planificado por medio de la optimización de paradas, y brindar la oportunidad de mejorar las capacidades de la fuerza laboral. En conjunto, estas palancas pueden conducir a ahorros de costos del 15 al 30 por ciento. Los beneficios secundarios incluyen la gestión más efectiva de las compras y el capital de trabajo gracias a una mejor visibilidad del inventario.

Cómo funcionó DWM en un fabricante de productos químicos

Una compañía química con presencia global introdujo un sistema DWM mediante una interfaz directa con su plataforma ERP. Implementado en apenas cinco semanas, incluido el entrenamiento de los usuarios, el nuevo sistema transformó la manera en que la compañía llevaba a cabo la planeación del mantenimiento, la programación y la ejecución de los trabajos. La productividad del departamento de planificación y programación aumentó el 30 por ciento, y la organización duplicó la cantidad de trabajos de mantenimiento completados en el plazo previsto.

Para maximizar el impacto generado por sus inversiones en DWM, las organizaciones exitosas como la del ejemplo realizan una serie de acciones clave. Una de las más importantes es el rediseño de los procesos de mantenimiento en paralelo con la introducción de la nueva tecnología. Rediseñar todos los pasos para sacar el máximo provecho de la tecnología DWM producirá casi invariablemente resultados más eficientes que simplemente digitalizar los procesos en papel existentes.

Cómo aprovechar al máximo DWM

En el diseño y la implementación de los nuevos sistemas y procesos, las organizaciones más exitosas emplean una perspectiva que se centra simultáneamente en el valor y en el usuario. Si bien el objetivo primordial de DWM es reducir el desperdicio y atacar los puntos problemáticos de los procesos, esto no sucederá si la adopción es deficiente. Por lo tanto, los sistemas efectivos también deben simplificar la vida de los usuarios, como el personal de mantenimiento y operaciones o los contratistas externos, y ello requiere un entendimiento cabal de las prácticas laborales y los desafíos y problemas existentes.

Por último, las mejores implementaciones establecen una integración estrecha de dos vías entre las herramientas DWM y el resto de los sistemas, como los de gestión computarizada del mantenimiento (CMMS). Esto garantiza que los datos capturados en el terreno se incorporen a la base de datos principal de la organización y puedan ser consultados y analizados para medir la efectividad global (OEE), monitorear el estado de la maquinaria y analizar las causas raíz de los problemas de confiabilidad.

El mantenimiento predictivo puede prevenir fallas

El MPd abarca una amplia variedad de métodos para detectar las primeras señales de problemas con el equipamiento, y posibilita al personal adoptar medidas antes de que ocurra una falla. En la industria pesada actual, las técnicas de MPd ya son algo común, aunque la mayoría de las empresas emplean metodologías menos maduras, como sensores en máquinas que disparan alarmas cuando se superan umbrales de vibración o temperatura predeterminados. Los abordajes más avanzados buscan prevenir las fallas analizando la información de sensores para identificar los síntomas característicos de los modos de falla conocidos. En el nivel de madurez más alto, los sistemas de MPd aplican una gama de técnicas de analítica avanzada (AA) y aprendizaje automático (ML) para identificar y categorizar los problemas, y ofrecen insights prácticos para los equipos de operaciones y mantenimiento.

Los programas de MPd más exitosos reducen la necesidad de intervenciones de mantenimiento planificadas y no planificadas. Esto disminuye los costos de la función y aumenta la tasa de producción, algo particularmente valioso para activos con limitaciones de capacidad. Además, los programas de MPd pueden extender la vida útil de componentes costosos y reducir los riesgos para la seguridad derivados de los eventos de falla.

El MPd genera resultados positivos en petróleo y gas

Un operador de crudo y gas offshore líder introdujo un sofisticado sistema de MPd en nueve plataformas ubicadas en África y América Latina. Utilizando datos reunidos a lo largo de 30 años de operaciones, la empresa identificó los activos clave que deseaba inmunizar contra fallas. A continuación desarrolló y mejoró su abordaje de MPd en una plataforma piloto antes de extenderlo a toda la red. La iniciativa derivó en una reducción promedio del 20 por ciento del tiempo de inactividad, así como aumentos de la producción equivalentes a más de 500 mil barriles anuales, todo ello para una flota que ya se encontraba en el cuartil superior de desempeño de su sector.

Estos resultados requirieron un esfuerzo significativo de los científicos de datos. Durante dos años, un equipo de 15 expertos construyó más de 500 modelos analíticos avanzados. Cada modelo fue testeado y refinado para alcanzar un nivel aceptable de falsos positivos. La precisión inicial típica de los modelos resultó demasiado baja para garantizar la aceptación de los trabajadores, pero los científicos de datos y los equipos de mantenimiento trabajaron juntos, falla por falla, para mejorar el diseño y eliminar las falsas alertas.

Pese a que abordajes de MPd de este tipo ya han sido probados a escala, su complejidad no debe subestimarse. Las implementaciones exitosas requieren cierto nivel de datos, instalación de sensores, streaming de datos en tiempo cuasi-real y una proporción de tiempo ocioso suficientemente alta que provea un ROI atractivo. Este es el caso en la mayoría de las explotaciones de petróleo y gas, grandes refinerías, plantas petroquímicas y operaciones similares en sectores como generación eléctrica (tradicional y renovable), producción de papel y minería.

Otras alternativas de MPd menos intensivas pueden superar las limitaciones de datos

Para las operaciones donde el MPd puede no resultar económicamente viable, existen otros métodos menos intensivos, como la detección de anomalías, que resultan efectivos como primer paso. Estos métodos son más rápidos de implementar, pero ofrecen un poder predictivo sensiblemente inferior, con altos números de alarmas no prioritarias o difíciles de resolver. Dependiendo de la situación, esto podría conducir a trabajo innecesario y reducir la confianza de los empleados en las recomendaciones. Los sistemas de MPd menos maduros típicamente entregan una fracción de los beneficios (10 por ciento o menos) de un sistema a escala completa. En última instancia, la decisión sobre dónde y a qué nivel implementar el mantenimiento predictivo requiere una validación activo por activo de los beneficios potenciales y los datos disponibles.

Las compañías con altas ambiciones de MPd también deben buscar socios adecuados. Este abordaje suele requerir más conocimientos, datos e inversiones en desarrollo que otros casos de uso digitales y analíticos. Y, dado que el valor de la confiabilidad para las grandes empresas industriales reside en un gran número de máquinas y modos de falla, se necesita un conjunto amplio y complejo de modelos de MPd. Para la mayoría de las organizaciones, desarrollar y refinar estos modelos internamente sería un proceso extremadamente caro y extenso. Para solucionarlo, existen socios capaces de aportar propiedad intelectual y datos, reduciendo de esta manera el plazo para lograr impacto y las inversiones necesarias.

Al igual que con la gestión digital del trabajo, para el mantenimiento predictivo las personas son tan importantes como la tecnología. A la par del desarrollo de los elementos de software y hardware del sistema, la compañía de petróleo y gas lanzó un rediseño integral de los procesos y un programa de capacitación para medir el impacto de la metodología e incorporar nuevas maneras de trabajar a sus operaciones diarias. Según nuestra experiencia, este tipo de estrategia de gestión de los cambios es una pieza central de toda implementación exitosa de MPd.

Finalmente, las empresas líderes integran también el mantenimiento predictivo al resto de los sistemas de operaciones y mantenimiento. Idealmente, el vínculo entre MPd y DWM debe ser estrecho, con los resultados del MPd generando órdenes de trabajo en los sistemas DWM, y utilizando los datos de DWM para refinar los modelos predictivos.


Liberar todo el potencial de la tecnología digital y analítica en mantenimiento y operaciones no es tarea fácil, pero los jugadores líderes de la industria pesada han obtenido grandes beneficios a cambio de sus esfuerzos. En artículos futuros analizaremos en mayor profundidad otros temas de gestión digital del trabajo y mantenimiento predictivo para revelar los secretos del éxito en cada área.

Explore a career with us