El manual de campo del machine learning en la industria · actualizado el 1 de septiembre de 2026
ManufacturingML
Inicio / Enciclopedia / Mantenimiento predictivo (PdM)
Aplicaciones · Entrada · actualizada 1 de septiembre de 2026

Mantenimiento predictivo (PdM)

Ideas clave
  • El mantenimiento predictivo usa modelos aprendidos sobre señales de vibración, eléctricas y de proceso para prever fallos antes de que paren la línea.
  • Los programas por condición recuperan típicamente el 20–50 % de las paradas no planificadas; Renault atribuye ~270 M€/año de ahorro al PdM a escala de grupo.
  • Dos filosofías de sensado compiten: sensores de vibración dedicados (diagnósticos más finos en rotativos) vs detección de deriva en señales de proceso (sin hardware nuevo, cubre modos no rotativos).
  • El PdM no arregla la calidad ni la merma — ese es el trabajo de la optimización de procesos, y confundirlos es un error habitual de shortlist.

El mantenimiento predictivo sustituye el calendario por la condición: en vez de revisar una bomba cada seis meses, se revisa cuando sus señales dicen que el rodamiento se degrada. La capa ML es la que lee esas señales — entrenada con bibliotecas de fallos etiquetados (los especialistas en vibración) o con el comportamiento normal del propio activo (el enfoque de detección de anomalías).

Las dos filosofías de sensado

El sensor dedicado: sensores de vibración/temperatura/magnetismo específicos en cada activo, alimentando modelos entrenados con inmensas bibliotecas de fallos etiquetados. El diagnóstico más fino — «fallo de pista externa, confianza media, actuar en tres semanas» — al coste de hardware por activo. La deriva de señales de proceso: los modelos vigilan las señales que la planta ya tiene (corrientes, presiones, temperaturas, caudales) buscando derivas precursoras. Sin hardware nuevo, cobertura de modos de fallo que nunca vibran, aviso a menudo más temprano — pero diagnóstico menos prescriptivo. Las grandes plantas usan cada vez más ambos, y la pregunta honesta de evaluación es qué modos de fallo dominan su histórico de pérdidas.

Lo que dicen los números

Los programas que superan el piloto reportan 20–50 % menos paradas no planificadas, con los costes de mantenimiento detrás. El caso público insignia es Renault: unos 270 M€ de ahorro anual atribuidos al mantenimiento predictivo a escala del grupo (2024). El patrón de los programas que triunfan es constante — empezar por los activos cuyos fallos cuestan dinero de verdad, cablear las alertas en el flujo de mantenimiento existente, medir las paradas evitadas desde el primer día.

FAQ

¿Qué diferencia hay entre mantenimiento preventivo y predictivo?
El preventivo actúa por calendario; el predictivo por condición medida. Los programas predictivos cortan los dos desperdicios: los fallos que llegan antes de la revisión programada y los equipos sanos revisados sin motivo.
¿Hacen falta sensores de vibración para el mantenimiento predictivo?
Solo para los modos de fallo que viven en la vibración — rotativos como bombas, ventiladores, reductoras. Una parte creciente de los programas arranca de las señales de proceso existentes, sin coste de hardware y atrapando precursores tipo deriva; muchas plantas combinan ambos.
Entradas relacionadas
¿Comparando plataformas que hacen esto? El data pack de adopción contiene las cifras de mercado detrás de esta entrada.