Construir el plan de mantenimiento preventivo de la línea, la flota o la planta — ni demasiado pronto ni demasiado tarde, sin paradas no planificadas (en la literatura: Preventive Maintenance Scheduling).
En pocas palabras
¿Te suena?
- El plan de mantenimiento se hace al inicio del año y no cambia; los fallos reales no encajan con el plan
- 1–3 fallos 'imprevistos' al mes; cuando se para un turno, el repuesto o no está o está en tránsito
- Los registros se llevan por ubicación/sala, no por número de serie del activo; las tendencias de fallo no se siguen
- La cuadrilla de mantenimiento dedica 3–5 días a la semana a 'qué máquina puedo parar ahora y cuál no'
- Algunos equipos se mantienen demasiado pronto y el almacén de repuestos crece; al mismo tiempo, otros fallan
- El coste anual de la parada de producción nunca se ha cuantificado; el presupuesto se fija 'como el año pasado + X %'
- Los registros están en papel o en una hoja de cálculo local; no hay enlace con el sistema de producción
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Para cada activo, equilibra dos costes — mantener demasiado pronto (vida útil tirada, mano de obra perdida) frente a mantener demasiado tarde (fallo imprevisto + parada). A partir del historial de fallos se obtiene el intervalo óptimo por activo; el calendario se deriva de ahí.
Lo que el software realmente hace es esto: para cada activo calcula el intervalo óptimo de mantenimiento a partir de su historia de fallos y uso, y equilibra la carga semanal de la cuadrilla con el suministro de repuestos. Tres etapas:
1. Reúne activos y datos. Por activo: horas de uso o número de ciclos, fechas y causas de fallo (automático con sensores o manual desde formulario), tiempo medio entre fallos (MTBF) estimado, duración del mantenimiento, repuestos consumidos, coste de mantenimiento y de parada. Los datos llegan del sistema de gestión de activos automáticamente o se introducen una vez de forma limpia.
2. Calcula la frecuencia óptima. El software no prueba todos los intervalos — construye un modelo de fiabilidad probabilístico (método estadístico que ajusta el historial de fallos en una curva de ‘cuándo es probable el próximo fallo’; en la literatura se llama distribución de Weibull) por activo y calcula la curva de probabilidad de fallo. Equilibra dos costes: mantener demasiado a menudo (vida útil tirada, mano de obra) frente a mantener muy poco (probabilidad de fallo, coste de parada). El resultado es un ‘intervalo óptimo’ por activo (por ejemplo ’esta bomba requiere mantenimiento cada 850 horas de operación’). Luego construye el cronograma semanal: qué activo, qué día, con qué cuadrilla, con piezas pre-pedidas.
3. Llega al campo. El plan aparece en la app de la cuadrilla como lista diaria: ’lunes 09:00 bomba 5 — cambio de aceite, piezas en stock’. Cuando un sensor detecta una anomalía (por ejemplo aumento de vibración), el software lo señala y sugiere adelantar la tarea. El suministro de repuestos se activa automáticamente desde el calendario.
No sustituye la experiencia del mantenedor; piénsalo como una calculadora que escala las frecuencias que tiene en la cabeza para 20 activos hasta 300, con la matemática del histórico de fallos integrada. La decisión sigue siendo tuya, pero la frecuencia de mantenimiento siempre es numérica y explicable.
Alternativas
Libreta / hoja de cálculo + cabeza del jefe de mantenimiento
GratisGratis
Para quién: 10–20 activos, uso estable, modos de fallo simples
- + Coste cero
- + Flexible — cambio de prioridad fácil
- + Sin decisión de inversión
- − Por encima de 30 activos no se puede hallar el intervalo óptimo a ojo
- − Las tendencias de fallo no se ven — el mismo fallo puede repetirse
- − Sin conexión con la cadena de repuestos
- − Insuficiente para registros de auditoría
CMMS local (sistema de gestión de mantenimiento asistido por ordenador)
Empresarial1.500–6.000 EUR de implantación + 250–800 EUR/mes (precios pyme regional)
Para quién: 30–100 activos, cuadrilla estable, planta o hotel mediano
- + Interfaz y soporte en español
- + Gestión de órdenes de trabajo, registro y reporte maduros
- + Stock de repuestos integrado
- − El intervalo preventivo suele ser un periodo fijo — sin optimización frente a la tendencia real de fallo
- − Modelos de fiabilidad probabilística limitados o inexistentes
- − Integración con sensores/IoT débil
Software internacional especializado de fiabilidad / EAM
Empresarial30–100 EUR/activo/año o 100.000–500.000 EUR/año de licencia
Para quién: 100+ activos, producción continua o servicio 24/7, inversión en sensores hecha
- + Maduro: fiabilidad probabilística, monitorización basada en sensores, gestión multi-sede totalmente soportadas
- + Integración con producción y ERP lista
- + Algoritmos endurecidos en años
- − Coste alto de licencia y consultoría
- − Implantación 4–9 meses
- − Soporte en español puede ser limitado, puede requerir inversión en sensores
Desarrollo propio sobre solver de código abierto
Código abiertoLicencia gratis; 10–20 semanas de desarrollo interno o 80.000–250.000 EUR de consultoría
Para quién: Gran fabricante, cadena multi-sede, con equipo de datos e ingeniería
- + Sin coste de licencia
- + Personalizable a tipos de activo y partidas de mantenimiento
- + Cloud o servidor propio
- − Capacidad técnica e ingeniería de fiabilidad internas obligatorias
- − El mantenimiento continuo es trabajo real
- − Sensores + analítica + órdenes de trabajo son disciplinas distintas; montar las tres es caro
Recomendación
Pregunta en la reunión
- ¿El intervalo de mantenimiento preventivo es un periodo fijo o se calcula probabilísticamente a partir del histórico de fallos del activo? ¿Qué distribuciones de fiabilidad soporta (por ejemplo Weibull)?
- ¿Cómo se vinculan los datos de sensor (vibración, temperatura, corriente) con el plan — está listo el paso a mantenimiento basado en condición (CBM)?
- ¿El stock de repuestos está integrado con el plan de mantenimiento? ¿Las piezas se piden automáticamente frente a las fechas?
- ¿El equilibrio de carga y la asignación de cuadrilla los hace el sistema o son manuales?
- ¿Los registros para auditoría legal (por ejemplo IATF, ISO 55000, GMP) se generan automáticamente o requieren documentación adicional?
- Cuando un activo entra en mantenimiento planificado, ¿el sistema de producción (MRP, MES) se entera automáticamente?
- ¿Cómo estructuráis el piloto — cuántos activos, cuántas semanas, qué umbral de éxito?
- Si dejamos de trabajar con vosotros, ¿cómo recuperamos historial de activos, registros de fallos y datos de frecuencia? ¿Hay export en formato estándar?
Detalles técnicos
Nota editorial
En planta este problema se conoce como ’el calendario de mantenimiento’, ’la revisión periódica’ o ’el plan de parada’. El nombre académico es Preventive Maintenance Scheduling. Creció junto a la ingeniería de fiabilidad en los años 60 y desde entonces se ha enriquecido con modelos probabilísticos, monitorización por sensores y aprendizaje automático. Sin ese vocabulario, en una demo no podrás distinguir si el ‘módulo de mantenimiento’ que te venden es un motor real que calcula la frecuencia óptima desde el histórico de fallos, o sólo un calendario de intervalos fijos.
El punto que más se pasa por alto en este segmento: muchos productos anuncian ‘mantenimiento preventivo’ pero por debajo sólo aplican lógica de calendario fijo — por ejemplo ’este motor necesita cambio de aceite cada 500 horas’ como regla estática. Eso ayuda algo; la optimización real de PM fija la frecuencia con base en una curva probabilística derivada del histórico de fallos del activo. Activos de alto uso aprietan, de bajo uso aflojan. En cualquier demo, pide al proveedor que recorra un ejemplo con 20 activos, 12 meses de histórico de fallos e intensidades de uso distintas, y que explique cómo calcula la frecuencia por activo.
Plan paso a paso para una pyme
Etapa 1 — Primero medir, después planificar. Durante al menos 12 meses registra cuatro cosas:
- Fecha y causa de fallo por activo (por número de serie)
- Horas totales de operación o número de ciclos (sensor cuando sea posible; en su defecto cuenta-horas o registro del operario)
- Partidas y duraciones de mantenimiento (cambio de aceite, filtro, junta, gran revisión)
- Impacto horario de la parada por mantenimiento/fallo (unidades perdidas × contribución por unidad)
Sin esta línea base no puedes saber qué software entregará qué resultado.
Etapa 2 — Análisis de criticidad de activos. Puntúa cada activo en tres ejes: (1) probabilidad de fallo, (2) consecuencia del fallo (parada, seguridad, medio ambiente), (3) hay señal temprana (sensor o operario lo nota). El producto da la criticidad. Grupo A (alto): plan estrecho; B–C: medio/sencillo. Esta clasificación es tu capital de conocimiento — cualquier proveedor serio la pedirá primero.
Etapa 3 — Piloto. Empieza con 10–20 activos del grupo A durante 12–16 semanas. Define el criterio de éxito por escrito, antes del piloto: por ejemplo ’en 6 meses, fallos imprevistos del grupo A abajo 40 %, parada planificada a la mitad’. Si no se alcanza, el piloto termina — guarda ese derecho de salida en el contrato.
Etapa 4 — Despliegue. Si el piloto sale bien, escala a todos los activos en 3–6 meses. La formación del equipo lleva 2–3 semanas; la integración de sensores añade 4–12 semanas (la inversión en sensores va aparte).
Riesgos — qué puede salir mal
- Datos pobres de historial de fallos. Si los registros sólo dicen ‘roto’ / ‘reparado’, el modelo probabilístico calcula mal. Antes del piloto, estandariza la taxonomía de modos de fallo.
- Resistencia del equipo de mantenimiento. ‘Que el software no me diga cuándo intervenir, yo lo sé’ es una reacción frecuente. En el piloto, repasa resultados con el jefe; el software debe mostrar de forma transparente la regla aplicada y por qué propone esa frecuencia.
- Inversión en sensores. Pasar a mantenimiento basado en condición (CBM) requiere sensores (vibración, temperatura) a 200–5.000 EUR por activo. Calcula ROI por activo; sólo los críticos amortizan rápido.
- Dependencia de un único proveedor. Un software que guarda histórico de activos, registros de fallos y reglas en formato propio dificulta cambiar más adelante. Incluye una cláusula en el contrato: ‘Podemos exportar nuestros datos en formatos abiertos estándar (CSV, XML o similar) cuando lo solicitemos.’
Lección relacionada (se enlazará al publicarse): ‘Una planta de fabricación mediana abandonó su software de mantenimiento al mes 14 — qué pasaron por alto.’
Visión técnica del método de solución
Esta sección reúne lo que necesitarás al hablar con un equipo de software o un consultor. No es lo que el mantenedor ve en su pantalla diaria — es el motor detrás del telón.
Enfoques principales para la planificación de mantenimiento preventivo:
| Enfoque | Uso típico | Necesidad de datos | Lógica de decisión |
|---|---|---|---|
| Basado en tiempo (intervalo fijo) | Sin histórico, equipo simple | Baja | ‘Mantener cada X meses’ |
| Reemplazo por edad | Pieza única, MTBF conocido | Media | Reemplazar a edad óptima |
| Reemplazo en bloque | Muchos activos similares | Media | Reemplazo masivo, económico |
| Basado en condición (CBM) | Equipo con sensores | Alta | Decisión en tiempo real desde sensor |
| Pronóstico (PHM) | Alto valor + sensores + ML | Muy alta | Predicción de vida útil restante |
| MIP multicriterio | Programación entera mixta | Alta | Optimización completa con cuadrilla y piezas |
Regla práctica: por debajo de 30 activos con uso estable, reemplazo por edad o intervalo fijo basta. Por encima de 100 activos, multi-turno o con sensores, se prefiere CBM + pronóstico. Restricciones multi-recurso (cuadrilla, piezas, producción) empujan a MIP o enfoque híbrido.
La elección de la función objetivo cambia la forma de la solución:
- Coste total de mantenimiento (preventivo + reparación): ‘Minimizar el presupuesto’ — encaja con plantas con presupuesto ajustado
- Parada de producción esperada: ‘Que la línea no pare’ — encaja con producción continua
- Fiabilidad / disponibilidad: ‘99,5 % de disponibilidad’ — encaja con calidad contractual
- Equilibrio de carga: ‘carga equilibrada semana a semana’ — encaja con cortar rotación de personal
La mayoría de despliegues reales usan una mezcla ponderada de los cuatro.
Referencias académicas
Listadas en el bloque sources de esta página. El mantenimiento preventivo ha sido una intersección activa de ingeniería de fiabilidad e investigación operativa desde los años 60; el trabajo actual se enriquece con IoT, aprendizaje automático y gemelo digital. INFORMS Interfaces y el archivo de la European Journal of Operational Research recogen casos de despliegues en operaciones industriales reales.
Fuentes
- Wang, H. (2002). A survey of maintenance policies of deteriorating systems. European Journal of Operational Research, vol. 139 — revisión exhaustiva de políticas de mantenimiento.
- Dekker, R. (1996). Applications of maintenance optimization models: A review and analysis. Reliability Engineering & System Safety, vol. 51 — revisión práctica.
- Nakagawa, T. (2005). Maintenance Theory of Reliability. Springer. Texto estándar de matemáticas de fiabilidad y mantenimiento.
- INFORMS Interfaces — casos de implantación de investigación operativa en mantenimiento y gestión de activos. informs.org/Publications/Interfaces
Glosario
- Mantenimiento Preventivo
- Mantenimiento planificado antes de que un activo falle — para evitar paradas no programadas.
- MTBF
- Métrica de fiabilidad que muestra cuánto tiempo opera, en promedio, un activo entre dos fallos consecutivos.
- MIP
- Modelo de optimización donde parte de las variables de decisión deben ser números enteros (p. ej. número de camiones o de turnos).
Problemas relacionados
¿Cómo equilibrar ritmo de producción, inventario, horas extra y subcontratación a 12 meses?
Diriges una pyme manufacturera de 10-50M TRY de facturación mensual, con 5-30 familias de producto y 30-200 operarios; comercial te entrega una previsión anual donde los meses de pico y los de valle varían bruscamente. Cada mes y para cada familia de producto debes tomar a la vez cinco decisiones entrelazadas: producir a ritmo constante y acumular stock, contratar o despedir personal, absorber picos con horas extra, subcontratar a auxiliares o aplazar pedidos al mes siguiente. Si la mezcla está mal, el stock medio se hincha 20-40%, las horas extra rebasan el tope legal de 270 horas anuales, la subcontratación de último minuto cierra 20-40% por encima del precio de mercado y las entregas tardías pierden clientes. Repartir estas cinco decisiones entre comercial, producción y RR. HH. con tres intuiciones separadas quema 4-25M TRY de margen operativo al año.
¿Cuánto de Cada Producto Hago para Sacar Más Ganancia?
Diriges un taller de 5-50 trabajadores que produce 3-15 productos. La misma materia prima, las mismas máquinas y la misma gente trabajan para todos los productos. Cada semana ventas dice 'podemos vender 200 más de esto', producción dice 'pero esa máquina está copada', administración dice 'el producto A da más ganancia, empújalo'. Cada producto tiene una ganancia unitaria distinta, un consumo distinto de horas máquina, materia prima y mano de obra, y un techo de demanda distinto. Decidiendo a ojo sueles cargar el producto de mayor precio de venta — pero el producto que **menos hora-máquina cuello de botella come** puede dar más ganancia. Tomarlo por intuición deja en la mesa el 10-25% de la ganancia mensual que podrías obtener de la misma capacidad.
¿Cuánto produzco de una vez y cuándo vuelvo a empezar?
Una de las preguntas básicas de un fabricante: hay datos de demanda para un período, cada nuevo lote de producción tiene un coste de setup (cambio de molde, ajuste de línea, calibración) y lo producido pero no vendido inmediatamente genera coste de inventario (almacén, capital inmovilizado, obsolescencia). El plan de cuánto producir cada semana debe decidirse con antelación; el nombre matemático es Lot Sizing Problem. La variante con un producto, demanda determinista, sin capacidad fue resuelta por Wagner y Whitin en 1958 con programación dinámica. Las variantes multi-producto, capacitadas, multi-nivel crecieron en MRP, Capacitated Lot Sizing (CLSP) y Economic Lot Scheduling (ELSP).