En el mantenimiento de equipos pesados, las herramientas digitales y de análisis luchan por cumplir su promesa. Aquí mostramos cómo ayudarlos a hacer su parte.
Las industrias con uso intensivo de activos, como los productos químicos, el petróleo y el gas, la minería, los metales, la pulpa, el papel y la producción de energía, han recurrido a las nuevas tecnologías en su esfuerzo por aumentar la confiabilidad y disponibilidad de sus equipos, al mismo tiempo que mantienen los costos de mantenimiento bajo control. Utilizando herramientas digitales y capacidades de análisis avanzado junto con técnicas Lean tradicionales, tienen como objetivo predecir y prevenir fallas en los equipos, aumentar la productividad laboral y optimizar la gestión de los contratistas externos.
Cuando las empresas cumplen con todos los requisitos correctamente, los resultados pueden ser impresionantes. Los principales actores en una variedad de industrias pesadas han utilizado herramientas digitales para reducir drásticamente las interrupciones no planificadas y aumentar la productividad del trabajo de mantenimiento. Una mayor disponibilidad y una fuerza laboral más eficiente han aumentado la rentabilidad entre un 4 y un 10 por ciento en algunas organizaciones.
Pero estos ejemplos son la excepción y no la regla. Muchas empresas que han implementado soluciones digitales de mantenimiento y confiabilidad han visto poco impacto medible. ¿Qué hace la diferencia?
Según nuestra experiencia, las implementaciones de confiabilidad y mantenimiento digital más exitosas comparten tres características comunes. Primero, estas empresas adoptan una visión holística de estas nuevas herramientas, incorporando tecnologías digitales en una visión claramente definida para el futuro de la función de mantenimiento y confiabilidad. En segundo lugar, se centran en dos dominios que han demostrado ser realmente efectivos en aplicaciones industriales pesadas: el mantenimiento predictivo (PdM) y la gestión digital del trabajo (DWM). Finalmente, respaldan su uso de herramientas digitales al garantizar que se implementen los habilitadores necesarios, incluidos flujos de trabajo optimizados, una infraestructura de datos sólida y las capacidades de su personal (exhibición).
Un examen más detallado del enfoque revela detalles importantes que los primeros usuarios acertaron como parte de una transformación más amplia de sus funciones de mantenimiento y confiabilidad. En particular, se enfocan en cómo DWM y PdM generan valor, utilizando estas herramientas digitales para reinventar procesos completos y satisfacer mejor las necesidades de los usuarios.
Gestión del trabajo digital: el trabajo se hace más rápido, más barato y mejor
DWM abarca una amplia gama de sistemas que mejoran el trabajo de mantenimiento, cubriendo todo, desde la identificación y planificación del trabajo hasta la programación, la gestión de materiales, el envío, la ejecución y el cierre. Por lo general, DWM está integrado en la plataforma de planificación de recursos empresariales (ERP, por sus siglas en inglés) existente de la organización o se encuentra encima de ella. El sistema ERP sirve como fuente de gran parte de los datos fundamentales utilizados por DWM, incluyendo datos estructurados de equipos, inventario de piezas de repuesto, datos del personal y programas de mantenimiento preventivo.
Luego, el sistema DWM optimiza la priorización de trabajos, la planificación de trabajos, la asignación de trabajos, los permisos, la programación y el envío, en función de restricciones tales como las competencias del personal de mantenimiento disponible y la disponibilidad de piezas. Estos sistemas también brindan soporte de ejecución en el campo con dispositivos móviles o sistemas de realidad aumentada que guían al personal a medida que completan sus tareas, recopilan datos detallados sobre la condición de los activos y mejoran la precisión y la velocidad del cierre de la orden de trabajo y el pago del contratista.
Los sistemas DWM exitosos brindan valor al aumentar la eficiencia del trabajo de mantenimiento interno y externo, reducir el tiempo de inactividad planificado a través de la optimización del apagado y las interrupciones, y brindar la oportunidad de mejorar las habilidades de la fuerza laboral de mantenimiento. En conjunto, estas palancas pueden generar reducciones de costos del 15 al 30 por ciento. Los beneficios secundarios incluyen adquisiciones más efectivas y gestión del capital de trabajo a través de una mejor visibilidad del inventario.
Cómo trabajó DWM para una empresa química
Una empresa global de productos químicos, por ejemplo, introdujo un sistema DWM adicional que interactuaba perfectamente con su plataforma ERP. Implementado en solo cinco semanas, incluyendo la capacitación de los usuarios, el nuevo sistema transformó la planificación, la programación y la ejecución del trabajo de mantenimiento de la empresa. La productividad en el departamento de planificación y programación de mantenimiento aumentó en un 30 por ciento y la organización duplicó el número de tareas de mantenimiento que se completaron según lo programado.
Para maximizar el impacto generado por su inversión en DWM, las organizaciones exitosas como esta toman una serie de acciones esenciales. Lo que es más importante, rediseñan sus procesos de mantenimiento en paralelo con la introducción de la nueva tecnología. Rediseñar el proceso para aprovechar al máximo la tecnología DWM producirá casi invariablemente un resultado más eficiente que simplemente digitalizar el proceso existente en papel.
Aprovechar al máximo DWM
En el diseño e implementación del nuevo sistema y procesos, las organizaciones exitosas adoptan una perspectiva que se centra tanto en el valor como en el usuario. Si bien el objetivo primordial de DWM es reducir el desperdicio y abordar los puntos débiles del negocio, eso no sucederá si la adopción es deficiente. Por lo tanto, los sistemas exitosos también deben facilitar la vida de los usuarios, como el personal de operaciones y mantenimiento o los contratistas externos. Eso requiere una buena comprensión de sus prácticas de trabajo, desafíos y puntos débiles.
Finalmente, las empresas exitosas construyen una estrecha integración bidireccional entre sus herramientas DWM y sus otros sistemas, como los sistemas de administración de mantenimiento computarizados (CMMS). Esto garantiza que los datos capturados en el campo se conviertan en parte de los datos maestros de la organización y se pueda acceder a ellos y analizarlos para ayudar en el seguimiento del OEE, el monitoreo de condiciones y el análisis de la causa raíz de los problemas de confiabilidad.
El mantenimiento predictivo puede prevenir fallas
Abarcando una amplia variedad de métodos utilizados para detectar los primeros signos de problemas en el equipo, PdM permite a los operadores y al personal de mantenimiento tomar medidas antes de que ocurra una falla. En la industria pesada actual, las técnicas de PdM se han vuelto comunes, pero la mayoría de las empresas utilizan enfoques de menor madurez, como sensores en máquinas que activan alarmas cuando se superan los umbrales de vibración o temperatura. Los enfoques más avanzados intentan predecir fallas mediante el análisis de datos de sensores para identificar las «firmas» de modos de falla conocidos. En el nivel más alto de madurez, los sistemas PdM aplican una variedad de técnicas de aprendizaje automático y análisis avanzado para identificar y categorizar problemas, y para brindar información práctica a los equipos de operaciones y mantenimiento.
Los programas exitosos de PdM reducen el requisito de intervenciones de mantenimiento planificadas y no planificadas. Eso reduce los costos de mantenimiento y aumenta la producción y el rendimiento (especialmente valioso para los activos que tienen limitaciones de capacidad). Además, estos programas pueden aumentar la vida útil de los componentes de alto costo y reducir los riesgos de seguridad relacionados con eventos de falla de la máquina.
PdM arroja resultados en petróleo y gas
Un operador líder de petróleo y gas en altamar introdujo un sofisticado sistema PdM en nueve plataformas en África y América Latina. Con los datos recopilados durante 30 años de operaciones de la plataforma, la empresa identificó activos críticos que quería proteger contra fallas. Luego, desarrolló y perfeccionó su enfoque de PdM en una plataforma antes de implementarlo en toda su flota. El esfuerzo dio como resultado una reducción promedio del 20 por ciento en el tiempo de inactividad y aumentos de producción equivalentes a más de 500 mil barriles de petróleo al año, en una flota que ya estaba en el cuartil superior de rendimiento del sector.
Estos resultados requirieron un esfuerzo significativo de ciencia de datos. Durante un período de dos años, un equipo de diez a quince científicos de datos construyó más de 500 modelos de análisis avanzado. Luego, cada modelo se probó y perfeccionó para lograr un nivel aceptable de advertencias de falsos positivos. La precisión inicial típica de los modelos era demasiado baja para garantizar la aceptación por parte de los trabajadores de primera línea, pero los científicos de datos y los equipos de mantenimiento trabajaron juntos, falla tras falla, para refinar su diseño y eliminar los resultados falsos positivos.
Aunque los enfoques de PdM de alta madurez como estos ahora se han probado a escala, su complejidad no debe subestimarse. Las implementaciones exitosas requieren un cierto nivel de historial de datos, implementación de sensores, transmisión de datos casi en tiempo real y un valor de tiempo de inactividad lo suficientemente alto como para proporcionar un ROI atractivo. Este es el caso en la mayoría de las instalaciones upstream de petróleo y gas, grandes refinerías, plantas petroquímicas y operaciones similares en generación de energía (tradicional y renovable), papeleras y minería.
Las alternativas de PdM menos intensivas pueden superar las limitaciones de datos
Para operaciones en las que PdM aún no sea rentable, los métodos de PdM que requieren menos datos, como la detección de anomalías, pueden ser exitosos como primer paso. Estos métodos son más rápidos de implementar pero brindan un poder predictivo significativamente menor con un alto número de alarmas que son de baja prioridad o difíciles de resolver. Dependiendo de la situación, eso puede generar trabajo innecesario y reducir la confianza de la fuerza laboral en las recomendaciones. Los sistemas de PdM de madurez más baja generalmente ofrecen solo 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 la disponibilidad de datos.
Las empresas con ambiciones avanzadas de PdM también deben buscar los socios adecuados. El enfoque generalmente requiere más inversiones en conocimiento, datos y desarrollo que otros casos de uso digital y analítico. Y, dado que el valor de la confiabilidad para los grandes industriales generalmente radica en una amplia gama de equipos y modos de falla, se requiere un conjunto grande y complejo de modelos PdM. Para la mayoría de las organizaciones, desarrollar y refinar estos modelos internamente será un proceso extremadamente costoso y lento. En cambio, hay socios que pueden proporcionar propiedad intelectual y datos sustanciales, lo que reduce significativamente tanto el tiempo de impacto como la inversión requerida.
Al igual que con la gestión del trabajo digital, el lado humano del mantenimiento predictivo es tan importante como la tecnología. Junto con el desarrollo de los elementos de software y hardware del sistema, la compañía de petróleo y gas lanzó un esfuerzo integral de rediseño de procesos y desarrollo de capacidades para medir el impacto del enfoque e incorporar nuevas formas de trabajar en sus operaciones diarias. Según nuestra experiencia, una estrategia de gestión de cambios de este tipo es una parte central de toda implementación exitosa de PdM.
Finalmente, las empresas líderes también integran el mantenimiento predictivo con sus otros sistemas de operación y mantenimiento. Idealmente, el vínculo entre los sistemas PdM y DWM debería ser estrecho, con salidas de PdM activando solicitudes de trabajo en los sistemas DWM y datos del DWM utilizados para refinar y mejorar los modelos predictivos.
Desbloquear el potencial de la digitalización y el análisis en el mantenimiento y la confiabilidad no es fácil, pero los principales actores de las industrias pesadas han disfrutado de importantes recompensas por sus esfuerzos.
Este artículo ha sido escrito por Guillaume Decaix, Matthew Gentzel, Andy Luse, Patrick Neise y Joel Thibert. Ha sido publicado originalmente por McKinsey & Company, y traducido y publicado por GĚRENS en marzo de 2022.
Moderniza los procesos de tu empresa con el Programa Especializado en Gestión Estratégica del Mantenimiento e Implementación de Mantenimiento 4.0.
