Digitalización e Integración del Mantenimiento Predictivo con la GMAO
Pedro Caparrós Fernández
Responsable COEM Mtto. Predictivo
Cosentino
RESUMEN
Este artículo explora el proceso de digitalización e integración del mantenimiento predictivo con el sistema de Gestión de Mantenimiento Asistido por Ordenador (GMAO) en el Grupo Cosentino, una empresa líder en la producción y distribución de superficies innovadoras para la arquitectura y el diseño. La digitalización ha permitido mejorar la confiabilidad de las plantas y optimizar el tiempo y gestión de la información, lo que se traduce en una mayor eficiencia operativa.
Se detalla cómo la creación de una base de datos de activos, la estandarización y digitalización de informes, uso de catálogos de técnicas de inspección y de fallos, así como calendarios de analistas, no solo han facilitado la gestión de un gran número de activos y la generación de miles de informes anuales, sino que también han mejorado la precisión y rapidez en la identificación y resolución de fallos.
La implementación del software Power-MI, específicamente diseñado para el mantenimiento predictivo, ha sido clave en este proceso. Un programa piloto inicial permitió validar su efectividad antes de su adopción completa. Los resultados incluyen una mejor estructuración y tratamiento de la información, así como una preparación más robusta para futuras iniciativas de industria 4.0 y el análisis de datos.
COSENTINO Y SU ENFOQUE EN LA EXCELENCIA OPERATIVA
Grupo Cosentino es una empresa familiar española con presencia global, dedicada a la producción y distribución de superficies innovadoras y sostenibles de alto valor para el mundo de la arquitectura y el diseño. La compañía destaca por su compromiso con la excelencia operativa y la sostenibilidad, trabajando estrechamente con clientes y socios para ofrecer soluciones que inspiren la vida de las personas actuando bajo criterios ESG responsables y transparentes.
En su búsqueda continua de la excelencia operativa, Cosentino ha implementado un área de mantenimiento predictivo dentro del Centro de Excelencia Operativa de Mantenimiento. Este enfoque se centra en la digitalización como una estrategia clave para centralizar y estructurar la información, permitiendo así aprovechar al máximo las tecnologías de la industria 4.0.
DESCRIPCIÓN DEL EQUIPO Y ACTIVOS
El equipo de mantenimiento predictivo de Cosentino está compuesto por tres técnicos especialistas certificados como CAT-II en análisis de vibraciones. Este equipo altamente capacitado es responsable de la gestión de 2579 activos, aplicando una variedad de técnicas predictivas avanzadas para asegurar el funcionamiento óptimo de cada uno de ellos.
La digitalización ha sido clave para manejar eficientemente un inventario tan extenso. Los técnicos utilizan una amplia gama de herramientas y métodos, incluyendo análisis de vibraciones, ultrasonidos, termografía, análisis de aceite y alineación láser. Estas técnicas permiten la identificación temprana de problemas potenciales, lo que es crucial para mantener la continuidad operativa y minimizar el tiempo de inactividad.
Cada activo se clasifica meticulosamente dentro de una taxonomía que refleja la estructura en SAP, abarcando fábricas, secciones y subsecciones. Esta clasificación detallada incluye información esencial como el nombre del activo, el tipo de activo (motor, bomba, ventilador, etc.), y su criticidad. Esta información no solo facilita la gestión diaria, sino que también mejora significativamente el análisis de datos y la comparación de rendimientos entre activos similares.
Además, la digitalización permite documentar qué técnicas predictivas se aplican a cada activo. Los técnicos seleccionan los posibles fallos detectables con cada técnica específica, creando un perfil exhaustivo para cada equipo. Esta documentación detallada es accesible de un vistazo, proporcionando información completa sobre el estado del equipo, las técnicas aplicadas y el historial de informes, así como una matriz de salud que detalla todos los fallos detectables y la tecnología utilizada para cada uno.
PROCESO DE IMPLEMENTACIÓN
Para llevar a cabo la implementación, identificamos que SAP no era lo suficientemente intuitivo para nuestras necesidades, por lo que decidimos buscar proveedores en el mercado que pudieran ofrecer una solución más adecuada.
Nuestra prioridad era centralizar toda la información en SAP, ya que es nuestro sistema de Gestión de Mantenimiento Asistido por Ordenador (GMAO). Después de evaluar varias opciones, encontramos que Power-MI se ajustaba perfectamente a nuestras necesidades. Este software está específicamente diseñado para el mantenimiento predictivo, lo que evitó la necesidad de desarrollar una aplicación desde cero y redujo significativamente los costos.
Iniciamos el proyecto con un plan piloto, aplicándolo a un número reducido de máquinas para probar la herramienta en un entorno controlado. Esta fase de pruebas piloto es crucial, ya que permite verificar las afirmaciones de los proveedores sobre las capacidades de sus sistemas y comprobar su efectividad en la práctica.
Posteriormente hicimos la puesta en marcha aumentando significativamente el alcance del proyecto para luego, en la etapa de expansión, abarcar el total de activos dentro del plan de mantenimiento predictivo. Lo último que hemos hecho es integrar Power-MI con SAP PM.
Figura 1. Proceso de implementación de la digitalización del mantenimiento predictivo en Cosentino.
INVENTARIO DE ACTIVOS
El primer paso en el proceso de digitalización es la creación de una base de datos robusta para el equipo de mantenimiento predictivo. Esta base de datos debe estructurarse siguiendo una taxonomía idéntica a la utilizada en SAP, comenzando por definir las diferentes fábricas y sus correspondientes secciones, subsecciones y activos correspondientes.
Para cada activo se debe definir:
- Tipo de activo: Motor, bomba, ventilador, entre otros.
- Criticidad: Clasificación de la importancia del activo.
- Técnicas predictivas: Análisis de vibraciones, ultrasonido acústico, termografía, entre otros.
- Fallos detectables: Van asociados a cada técnica predictiva.
Una vez recolectada e introducida esta información, se obtiene una visión completa y consolidada del activo, así como el repositorio de información debidamente estructurado. Esto es clave para todo proyecto de digitalización.
Figura 2. Inventario de un activo con sus características básicas y técnicas predictivas.
DIGITALIZACIÓN DE INFORMES
La digitalización de los informes es crucial tanto para la optimización del tiempo como para la gestión eficiente de la información. Este proceso ha permitido al equipo de mantenimiento predictivo generar un gran volumen de informes en menos tiempo y estandarizar un formato que incluye toda la información relevante, independientemente de la tecnología utilizada.
- 10.485 informes realizados en 2023
- Media mensual superior a 700 informes
Al elaborar un informe, los analistas seleccionan el fallo detectado desde el catálogo, la descripción del diagnóstico, la evidencia técnica, la condición del activo y, lo más importante para mantenimiento, la recomendación.
Figura 3. Edición de informe en donde se selecciona el fallo detectado mediante un análisis de vibraciones en una máquina rotativa.
Esta recomendación es el aviso de mantenimiento que se trasmite a SAP, manteniendo la trazabilidad entre informe y orden de trabajo. Esto es fundamental para asegurar que cada diagnóstico esté vinculado con la reparación correspondiente, facilitando una gestión integrada y eficiente de las tareas de mantenimiento.
Figura 4: Integración entre Power-MI y SAP PM para la gestión de avisos de mantenimiento y órdenes de trabajo.
En resumen, el informe debidamente estructurado es la forma de colectar de forma estructurada los registros de fallos y donde se inicia el proceso del ciclo del mantenimiento predictivo desde el diagnóstico hasta su corrección y cálculo de ahorros.
GESTIÓN DE LA INFORMACIÓN
Uno de los principales desafíos en la gestión de información es asegurar que la base de datos se alimente con registros fiables y precisos para su posterior análisis. El enfoque clave de nuestro sistema de digitalización radica en la automatización de este proceso. Con cada informe generado, la base de datos se actualiza automáticamente. Esto significa que, realizando el mismo trabajo que antes, ahora podemos obtener indicadores y estadísticas de forma automática.
Esta automatización no solo optimiza el flujo de trabajo, sino que también garantiza la integridad y disponibilidad de la información crítica para la toma de decisiones en el mantenimiento predictivo.
INDICADORES DE CONDICIÓN Y TENDENCIAS
De forma automática disponemos de indicadores de estado actual de los equipos por cada fábrica y cada sección, así como de la tendencia de los últimos 12 meses para poder controlar su evolución.
Figura 5. Panel de control para monitorizar la condición de los activos y su evolución en el tiempo.
HISTÓRICO UNIFICADO
Para cada activo disponemos de una línea de tiempo con la información de todos los informes por técnica predictiva, así como las órdenes de trabajo creadas por predictivo y creadas por planta. De este modo tenemos un histórico completo y unificado que permite de forma rápida analizar relaciones entre diagnósticos de diferentes tecnologías o revisar los últimos diagnósticos y que reparación fue efectiva de cara al siguiente informe.
Figura 6. Histórico de informes y órdenes de trabajo para un activo.
ESTADÍSTICAS DE FALLO
Dado que contamos con un registro de fallos alimentado proactivamente por los analistas a través de los informes, podemos analizar cuáles son los fallos más frecuentes por fábrica o sección o cual es el tipo de activo con mayor índice de fallo. Este tipo de análisis nos ayuda a organizar la información para la realización de análisis causa raíz, pudiendo detectar de forma rápida cuales son los activos sobre los que debemos realizar el análisis y sobre que fallos debemos investigar para eliminar el problema o reducir su impacto.
Figura 7. Estadísticas de fallos generados automáticamente por el software Power-MI.
Igualmente, podemos extraer tendencias de los fallos para observar su evolución en el tiempo, siendo útil para controlar por ejemplo la efectividad de acciones resultantes de los análisis causa raíz, o para observar posibles patrones de fallo relacionados con estaciones climatológicas concretas.
Figura 8: Tendencia de ocurrencia de fallos en el tiempo.
BENEFICIOS DE LA DIGITALIZACIÓN DEL MANTENIMIENTO PREDICTIVO
- Optimización del Tiempo:
- Reducción del tiempo de elaboración de informes.
- Mayor enfoque en el análisis de datos y diagnóstico.
- Gestión de la Información:
- Alimentación automática de la base de datos.
- Generación de indicadores y estadísticas.
- Análisis de modos de fallo y tendencias.
- Transparencia:
- Información para todos los interesados (stakeholders) con el nivel de detalle y formato adecuado.
- Base de Conocimiento:
- Retención de conocimiento empresarial, reduciendo la dependencia del personal específico o proveedores de servicios externos.
- Registro de recomendaciones y acciones tomadas para reparaciones específicas.
- Cálculo de Ahorros por Mantenimiento Predictivo:
- Documentación precisa del retorno de la inversión (ROI), permitiendo calcular y justificar los ahorros generados por el mantenimiento predictivo.
PRÓXIMOS PASOS
Mirando hacia el futuro, Cosentino se prepara para dar el siguiente paso en su viaje hacia la excelencia operativa. Las futuras iniciativas se centrarán en la integración de tecnologías de la industria 4.0 y Data Analytics. Colaborar con el equipo de Data Analytics permitirá aprovechar al máximo los datos recopilados, facilitando análisis más avanzados y predictivos. Con una base sólida ya establecida, la implementación de tecnologías emergentes en la industria 4.0 mejorará aún más la eficiencia y la fiabilidad del mantenimiento predictivo, llevando a la empresa a un nivel superior de innovación y excelencia operativa.
BIBLIOGRAFÍA
- PhD Luis Amendola, PhD Tibaire Depool. PMM Institute for Learning (2019). Tips para la transformación digital en la Gestión de Activos.
- Wienker, Michael & Henderson, Ken & Volkerts, Jacques. (2016). The Computerized Maintenance Management System an Essential Tool for World Class Maintenance. Procedia Engineering. 138. 413-420. 10.1016/j.proeng.2016.02.100.
