Mantenimiento Predictivo: Del Modo de Falla a la Orden de Trabajo

El mantenimiento predictivo debe comenzar con un modo de falla, no con un algoritmo. La pregunta útil no es «¿podemos medir vibración?», sino «¿qué mecanismo de degradación importa, qué evidencia observable lo precede y qué acción puede tomar mantenimiento?». ISO 17359 describe procedimientos generales para establecer un programa de monitoreo de condición de máquinas. Ese límite es fundamental: una señal puede respaldar una decisión, pero no puede establecer cuándo ocurrirá una falla.

Empezar por la decisión

Elegí un activo, un modo de falla y un responsable. En una bomba accionada por motor podrían considerarse daño de rodamientos, desalineación, cavitación o degradación del sello. Cada caso tiene evidencia y consecuencias diferentes. Antes de elegir sensores, registrá el contexto operativo, el método de inspección, la anticipación necesaria y la respuesta esperada.

Mantené las inspecciones y protecciones existentes. El monitoreo complementa rondas, tareas preventivas, alarmas, enclavamientos y disparos de protección; no los reemplaza. Si falta evidencia o no es confiable, la salida segura es «desconocido», no «saludable».

Conservar la procedencia del sensor y la muestra

Una medición sin contexto es difícil de comparar o auditar. Guardá identificadores del activo y sensor, ubicación y orientación, unidad de ingeniería, frecuencia de muestreo, longitud de ventana, marca temporal y fuente de reloj, firmware de adquisición, estado de calibración y régimen operativo. Para variables derivadas, conservá la versión de la transformación y suficientes datos crudos para reproducir un resultado cuestionado.

Carga, velocidad, receta, ambiente y estado de mantenimiento pueden modificar una señal sin indicar daño. Separá esos regímenes o incorporalos al análisis. Registrá huecos, saturación, saltos de reloj, reemplazos del sensor y cambios de montaje. Esos eventos deben acompañar la medición, no quedar en la memoria de una persona.

Establecer una referencia y observar la tendencia

Construí la referencia con operación aceptable conocida en los regímenes relevantes. Documentá su período y exclusiones. Un único valor «normal» puede ocultar cambios dependientes de la carga; una referencia breve puede incorporar una falla incipiente como normalidad.

Seguí variables estables en ventanas comparables. Usá resúmenes robustos cuando sean esperables picos ocasionales y mostrá el contexto crudo alrededor de una alerta. Una tendencia creciente puede justificar una inspección, pero es evidencia para investigar, no un diagnóstico por sí sola. La guía de O&M del Departamento de Energía de Estados Unidos presenta el mantenimiento predictivo como detección del inicio de la degradación antes de un deterioro significativo y destaca aplicación correcta, capacitación, monitoreo y reparación.

Tratar las etiquetas como registros, no como verdad absoluta

Las etiquetas suelen provenir de inspecciones, órdenes de trabajo, repuestos cambiados o fallas confirmadas. Llegan tarde y están incompletas. «Rodamiento reemplazado» no demuestra que toda muestra anterior fuera daño de rodamiento; «sin orden de trabajo» tampoco demuestra operación saludable.

Definí reglas con límites temporales: ¿qué muestras son previas a la falla, posteriores a la reparación, normales o inciertas? Conservá evidencia y revisor. NIST señala que las órdenes de mantenimiento registran estado de salud, fallas, reparaciones y soluciones; cerrar ese circuito permite evaluar el sistema. No conviertas registros ambiguos en clases limpias de manera silenciosa.

Evitá fuga de información separando la evaluación por tiempo y, cuando corresponda, por activo. Mezclar al azar ventanas superpuestas del mismo evento puede colocar muestras casi idénticas en entrenamiento y prueba. Ninguna variable creada después de la reparación, el cierre de la orden o la confirmación de la falla debe usarse para predecir la decisión anterior.

Preferir un umbral hasta que el modelo demuestre valor

Un umbral documentado con persistencia e histéresis suele ser suficiente. Es inspeccionable, económico de operar y fácil de revertir. Comparalo con la regla de mantenimiento vigente antes de agregar un modelo. Usá un modelo sólo si las interacciones entre regímenes y señales ofrecen una mejora medible sobre datos intactos y ordenados temporalmente.

Evaluá decisiones, no sólo puntuaciones. La precisión responde: de las alertas emitidas, ¿cuántas se confirmaron? La exhaustividad o recall responde: de los eventos objetivo confirmados, ¿cuántos tuvieron alerta a tiempo? Ninguna basta sola. Asigná con operaciones y mantenimiento el costo de falsa alarma, omisión, inspección, interrupción y detección tardía. Elegí el umbral según esa política; no declares una métrica universalmente óptima.

Cerrar el circuito operativo

Cada alerta necesita activo, fecha, ventana de evidencia, modo de falla aplicable, severidad e inspección recomendada. Integrala al proceso de órdenes de trabajo. Exigí códigos de cierre para falla confirmada, sin falla encontrada, otra causa, problema del sensor, trabajo postergado y evidencia no disponible. Revisá las falsas alarmas repetidas antes de que los usuarios aprendan a ignorarlas.

Monitoreá volumen de alertas, precisión y recall cuando haya etiquetas confirmadas, datos faltantes, distribuciones de variables, mezcla de regímenes y salud del sensor. La deriva puede venir del desgaste, operación estacional, un producto nuevo, mantenimiento, firmware o cambio de sensor. Es una señal para revisar, no prueba automática de que reentrenar sea correcto.

Versioná el contrato de datos, el umbral o modelo y la lógica de decisión. Cuando sea viable, desplegá primero en modo sombra. Conservá la versión anterior, definí criterios de reversión como volumen inestable o procedencia rota y registrá quién aprobó la activación. Durante la reversión, preservá la evidencia cruda y continuá las inspecciones y protecciones establecidas.

Una prueba determinista de umbral

Usá una prueba sintética para verificar la lógica, nunca como evidencia de desempeño real: muestras [2.0, 2.2, 2.4, 3.1, 3.4], umbral 3.0, persistencia 2. La alerta esperada ocurre en la muestra 5 porque las muestras 4 y 5 superan el umbral. No intervienen azar, parámetros aprendidos, afirmaciones sobre activos ni afirmaciones de desempeño real.