Transición digital en mantenimiento. Definición de la estrategia y nuevos desafíos

Adolfo Crespo Márquez 25 de mayo de 2023

3330

9

0

0

20 min. de lectura

Adolfo Crespo
Catedrático de Organización de Empresas
Escuela Técnica Superior de Ingenieros de la Universidad de Sevilla
Presidente de Ingeman

RESUMEN

Este artículo es una extracción del libro “Digital Maintenance Management”, del mismo autor, que ha sido publicado por Springer Verlag en 2022.

El estudio de la transformación digital de la gestión del mantenimiento en el contexto de la industria y las infraestructuras es de máxima actualidad e interés. Según informes de distintas instituciones (a destacar el del Industrial Internet Consortium), una de las áreas de negocio donde se espera que esta transformación sea más significativa, es el mantenimiento.

Es importante por tanto analizar el porqué el mantenimiento puede beneficiarse de esta transformación y cómo hacerlo: ¿Cuáles son las nuevas tecnologías y herramientas con mayor impacto potencial en el mantenimiento y por qué?¿Cómo se puede ordenar y realizar este proceso de transformación? ¿Cómo van a impactar las plataformas emergentes de gestión de activos y las nuevas App de mantenimiento inteligente en las empresas? Etc.

Nada más comenzar a profundizar en el tema, es fácil darse cuenta de que la transformación digital supone un desafío organizativo y un importante reto técnico, y que para abordarlo es necesario un proceso de planificación estratégica. Hay que marcar líneas adecuadas de acción para que la organización pueda llegar a definir y controlar el modelo de datos para la gestión de sus activos, y pueda utilizar adecuadamente estos datos para volver sus procesos de gestión más eficaces.

Para aumentar el rendimiento de los activos utilizando las tecnologías 4.0, es necesario enfrentarse a nuevos problemas y retos técnicos: la "no ergodicidad" de los procesos de datos en muchos activos, la selección de la dimensión del número de datos necesarios para explicar su funcionamiento, la manera en que considerare interpretar los riesgos, la forma en que utilizar esa evaluación del riesgo para la programación dinámica del mantenimiento, etc.

Este documento aborda cada uno de estos temas, dando claves al lector para profundizar posteriormente en cada uno de ellos.

INTRODUCCIÓN

El uso del procesamiento de datos digitales está revolucionando el mantenimiento industrial y de infraestructura de muchas maneras:

• Desde un punto de vista estratégico y táctico, los datos digitales provenientes de activos se pueden utilizar para cuantificar la salud general de activos complejos identificando el final de su vida útil. Los índices de salud se pueden desarrollar tomando en consideración los datos operativos, las inspecciones de campo y los datos de las pruebas de laboratorio, con la intención de producir indicadores objetivos que puedan usarse como una herramienta para administrar los activos, para identificar las necesidades de inversión de capital y los programas de mantenimiento. Esto puede permitir comparar la salud de equipos similares colocados en diferentes ubicaciones funcionales, estudiar un posible deterioro prematuro y optimizar los planes de operación y / o el mantenimiento de los activos; comunicarse de manera más precisa con los fabricantes / constructores; comprender el comportamiento de los activos de diferentes fabricantes / constructores en ubicaciones funcionales específicas; y apoyar los procesos de toma de decisiones en futuras inversiones en activos, o en el análisis de la extensión de su vida.
• Desde un punto de vista más operativo, los sensores en los componentes críticos de los activos pueden proporcionar enormes cantidades de puntos de datos para que los análisis detecten anomalías, se diagnostiquen modos de fallo en componentes y se realice una precisa estimación de la vida útil remanente de estos. Lo anterior permite cumplir muy altos requisitos de confiabilidad para una disponibilidad cercana al 100%, una vez que se pueden realizar las actividades de mantenimiento cuando las unidades no se encuentran en servicio, evitando paradas no planificadas.Las actuaciones de los operarios pueden estar soportadas por tecnología embebida en dispositivos móviles, Etc.

Se puede prever además un avance mayor en la digitalización del mantenimiento cuando un número creciente de sistemas se interconecten dentro de las plantas industriales y de las infraestructuras. Esto conducirá a buen seguro a escenarios más sofisticados en los que la colaboración entre activos puede desempeñar un papel fundamental. El principio de aprendizaje colaborativo puede ayudar a adquirir inteligencia en varias áreas de la gestión del mantenimiento, tanto estratégicas como operativas.

Independientemente del nivel de actividad empresarial donde se utilicen los datos, el alto volumen esperado de datos de mantenimiento exigirá nuevos procesos de negocio y sistemas TIC. Las necesidades computacionales ahora estarán distribuidas, cercanas a los activos en “la frontera” (“on the edge”), obienen “la nube” (“on the cloud”), siempre con para aumentar la eficiencia de las aplicaciones avanzadas que brindan nuevas funcionalidades a los usuarios finales de los activos.

La servitización de los productos de fabricantes tradicionales (OEMs) y el desarrollo de nuevos servicios digitales, como el Mantenimiento Predictivo como Servicio (PMaaS) o la Simulación como Servicio (SaaS). Se espera que estén en breve aquí para quedarse.

DIGITALIZACIÓN. ÁREAS CLAVE EN MANTENIMIENTO

La mayoría de los datos que se recopilan a través de las nuevas tecnologías digitales se pueden utilizar para aumentar la eficacia de la toma de decisiones en la gestión de activos. En consecuencia, es necesario identificar los tipos de decisiones de gestión de activos y su importancia para cumplir con los objetivos planteados por la organización.

La importancia de la mejora posible en cada proceso de toma de decisiones se puede estimar identificando los beneficios de una mejor presentación de informes y toma de decisiones y los riesgos asociados con una mala toma de decisiones, ocasionada por informes deficientes (no basados en datos).

Algunos expertos coinciden en que se ha prestado una atención desigual a las áreas operativas de gestión durante las últimas décadas, donde se gastaron muchos recursos empresariales en actividades para hacer el trabajo de manera más eficiente [1]. Por ejemplo, se crearon registros maestros de activos, se desarrollaron sistemas de gestión del trabajo y sistemas de gestión de aprovisionamientos, mejorando la comunicación con los operarios y gestores en mantenimiento. Sin embargo, parece que se necesita una visión más equilibrada y estratégica (lado izquierdo de la Figura 1), que alinee el trabajo y las inversiones a las prioridades del negocio. Por ejemplo, todavía se necesitan métodos simples y sólidos para la evaluación de proyectos de inversión en activos, o para considerar la extensión del ciclo de vida antes de la reinversión, etc. [2].

SISTEMAS DE GESTIÓN DE ACTIVOS EMERGENTES. APM y AIP

Hoy en día las empresas están complementando los Sistemas de Gestión de Activos Empresariales (EAM) originales o el Sistema de Gestión de Mantenimiento Asistido por Ordenador (GMAO), con diferentes soluciones / Apps para ganar más capacidades en las áreas gerenciales mencionadas en el apartado anterior. ¿Cuáles son estas soluciones? ¿Cómo se pueden clasificar? ¿Qué debería ser lo más conveniente de implementar en cada negocio?

En la actualidad, Gartner [4] distingue entre tres tipos diferentes de sistemas de gestión de activos en el mercado: Soluciones EAM, APM y AIP.

APM y AIP se benefician de la conectividad y las tecnologías digitales, a menudo comparten los mismos datos y utilizan análisis predictivos similares, pero con un objetivo diferente, de la siguiente manera:

• Las inversiones en EAM se realizan para administrar el inventario de activos, la configuración y la ejecución del mantenimiento.
• Las organizaciones están dispuestas a invertir en herramientas y tecnologías de APM para reducir el mantenimiento correctivo, aumentar la disponibilidad y reducir el riesgo de fallos (especialmente cuando los activos son críticos). Además, las herramientas APM pueden aumentar la capacidad de la organización para cumplir con las regulaciones relacionadas con las inspecciones y el mantenimiento de activos. La captura, el análisis y la visualización de datos permiten que estas herramientas mejoren la sincronización de las operaciones y el mantenimiento, e identifiquen qué actividades de mantenimiento e inspección se deben realizar en los activos industriales [3].

El mercado de APM existe desde hace más de una década, pero la comunidad de proveedores ha duplicado recientemente su I + D [4], que ahora está impulsando las tasas de crecimiento. La creciente madurez de la infraestructura de comunicaciones en las plantas industriales respalda una adopción más amplia de APM, al igual que una ola de nuevos Directivos de empresas que lanzan estrategias de transformación digital.

• Las inversiones en software AIP se realizan para mejorar las decisiones estratégicas y tácticas complejas a largo plazo relacionadas con las asignaciones presupuestarias CAPEX / OPEX y la planificación general de la gestión de activos [5]. Las herramientas AIP predicen el rendimiento actual y futuro de los activos y vinculan ese rendimiento esperado con diferentes opciones de inversión en un horizonte predefinido de mediano o largo plazo. La planificación de inversiones para industrias de gran cantidad de activos y procesos es ahora más relevante que nunca. La recesión económica ha exacerbado esta situación y los ejecutivos se apoyan constantemente en el software AIP para mejorar estos procesos de toma de decisiones.

El lector no debe confundir APM con AIP, APM está diseñado para respaldar la operación segura, confiable y eficiente de equipos e infraestructura, mientras que AIP está diseñado para respaldar decisiones de inversión de capital a corto y largo plazo.

Para concluir esta sección, y de acuerdo con las secciones anteriores, las diferentes áreas de toma de decisiones, como se muestra en la Figura 1, están respaldadas por diferentes sistemas de administración de activos, como se explica en la Figura 2. Se ilustra una explicación gráfica de cómo las áreas gerenciales están respaldadas por los sistemas. en la Figura 3.

LA NUEVA ARQUITECTURA DE SISTEMAS / PLATAFORMAS IAMS

Con respecto a la implementación de sistemas APM y AIP, en la actualidad las empresas se encuentran en uno de los siguientes tres escenarios básicos:

• Empresas que asumen soluciones desarrolladas por proveedores de activos [4].
• Otras empresas están desarrollando soluciones a medida internamente [6].
• Otras adoptan desarrollos de otras empresas, respaldados por soluciones inteligentes de “bigdata”configuradas sobre soluciones TIC en la nube [7].

La similitud en la aplicación de conceptos y la compatibilidad con nuevos activos, o entre sistemas, es todavía muy difícil de sostener y la mayoría de las veces requiere un enorme esfuerzo financiero.

Basándose en la definición de Cloud Computing [8], el lector puede esperar que estos sistemas se implementen mediante PaaS basadas en la nube (Platform as aService: una clase de servicios de computación en la nube que proporciona una plataforma que respalda el desarrollo, la ejecución y la gestión de aplicaciones para gestión de activos) que proporciona una forma estándar de conectar elementos de detección, instrumentos y otros dispositivos junto con las aplicaciones industriales y las personas de las computadoras (Figura 4).

Una de las principales ventajas de un entorno PaaS es que los desarrolladores de software no tienen que preocuparse por algunos de los detalles de nivel inferior del entorno [9,10]. Como se muestra en la Figura 4, la pirámide se divide en los siguientes tres niveles:

• Infraestructura como servicio (IaaS): Se ubica en el nivel más bajo de la pirámide y contiene entre otras capacidades los sistemas operativos, redes y almacenamiento.
• Plataforma como servicio (PaaS): Se ubica en el nivel medio e incluye servicios relacionados con el desarrollo e implementación de aplicaciones.
• Software como servicio (SaaS): se encuentra en la parte superior de la pirámide y representa las aplicaciones (Apps) proporcionadas a los usuarios finales.

Las aplicaciones proporcionadas por diferentes proveedores industriales y de TICs a los usuarios finales en el nivel SaaS de la pirámide están estructuradas de acuerdo con los principios del diseño de la jerarquía de software [11]. Normalmente, en la actualidad, un sistema avanzado de gestión de activos. o plataforma, abarca "todo lo necesario" para la "gestión de activos digitales". Ejemplos de estos nombres son Predix de GE, IAM de SAP o MindSphere de SIEMENS.

LAS NUEVAS TECNOLOGÍAS

Muchas tecnologías de la Industria 4.0 se encuentran en un punto en el que realmente empiezan a tener sentido para las aplicaciones industriales. Como se ha comentado, el mantenimiento puede ser una de las áreas industriales más favorecidas por la introducción de nuevas tecnologías. Esta oportunidad no se puede perder, por lo que es responsabilidad de los ingenieros y gerentes de mantenimiento, el estudio de la posible implementación de estas en su organización.

Un breve listado de las tecnologías a tener en cuenta para la mejora significativa del mantenimiento es el siguiente:

• Las Tecnologías del"Internet de las Cosas" (IoT). Las nuevas plataformas de IoT introducen una multitud de posibilidades interesantes. Proporcionan componentes para la captura de datos (front-end)y el análisis, el procesamiento de datos en el dispositivo y la implementación basada en la nube. Las características de una plataforma a tener en cuenta para su elección son las posibilidades que ofrece para [12,13,14]: Gestión de dispositivos, Recopilación y almacenamiento de datos, Creación de máquinas virtuales, Configuración y control de dispositivos remotos, Fiabilidad y seguridad de los datos, entre otros.
• BigData. En las plataformas modernas de IoT, los datos de monitorización de salud y análisis predictivo se almacenan y procesan de una manera diferente porque [15]: tienen un volumen demasiado grande, con muy alta velocidad, alta variabilidad, baja veracidad (alto nivel de ruido) y son datos de muy diversos también. Las tecnologías Big Data proveen funciones analíticas que pueden facilitarla recopilación y el procesamiento de datos, por ejemplo:Análisis complejos de agregación para procesar información obtenida en diferentes fechas o en diferentes ubicaciones, análisis multidimensionales para analizar y extraer datos de activos desde diferentes puntos de vista, análisis de datos de registro para controlar el estado de los activos durante su operación, análisis de datos de flujo basado en ventana de tiempo: para detectar tendencias en operación, y/o procesamiento de eventos complejos para detectar fallas antes de que ocurran.

• Analítica Predictiva. Dependiendo de los resultados deseados y los datos de entrada disponibles, se pueden realizar diferentes análisis como se muestra en la Figura 6 [17]:

• El análisis básico para detectar anomalías, con datos utilizados que suelen ser locales para el activo, cuando opera en condiciones normales de funcionamiento.
• Las analíticas de diagnóstico brindan resultados muy rápidos e identifican la causas de fallo, por lo que requieren de un estudio previo de los diferentes modos de fallo.
• El análisis de pronóstico se utiliza generalmente para calcular la vida útil remanente de un componente.

• Los gemelos digitales (Digital Twin-DT). Son réplicas virtuales de dispositivos físicos o procesos construidos para ejecutar simulaciones de entidades reales que pueden ayudar a comprender, predecir, diseñar, etc. Esta mejora en la toma de decisiones a lo largo del ciclo de vida de un activo conduce a la posibilidad de creación de aplicaciones basadas en los DT de activos físicos [18,19]. Al crear gemelos fieles, la industria podrá reducir los tiempos de detección de fallos, revelar peligros potenciales, etc., todo en busca de mayor eficiencia, seguridad y flexibilidad. De hecho, una de las posibilidades más interesantes es utilizar la simulación para calcular el tiempo que un activo permanecerá operativo. Un DT puede rastrear sus propios fallos y su propia degradación.
• La realidad aumentada (RA). Es una forma de interacción hombre-máquina que superpone información generada por ordenador (datos virtuales) en el entorno real(objetos reales) [20]. Los prototipos de RA han demostrado que esta tecnología puede mejorar la implementación de las actividades de mantenimiento [21], especialmente cuando los usuarios requieren información adicional para el desarrollo de sus tareas [22].
• Las herramientas de Inteligencia Empresarial y Visualización de Datos (BI& DV). Las herramientas BI son un conjunto de tecnologías y procesos que proporcionan métricas empresariales para sus usuarios [23]. Con frecuencia se necesitan porque muchos sistemas transaccionales no tienen incorporado un sistema de informes adecuado, por lo que producir un informe determinado exigido por la empresa es difícil.Estos procesos de BI requieren la creación de un almacén de datos que a su vez necesita la creación de interfaces desde los sistemas de datos de origen o los sistemas transaccionales. Además de los procesos de BI, los procesos de visualización de datos (DV) permiten transmitir información de forma rápida, eficaz e intuitiva.
• Otras tecnologías complementarias. Por ejemplo, la utilización de sistema de movilidad sigue siendo un componente importante en el avance de las estrategias de gestión de activos y la optimización del trabajo de campo. Además de los datos recopilados a través de IoT, las tecnologías móviles pueden capturar datos de inspección en el campo que pueden convertirse fácilmente en estadísticas y datos de condición utilizables en aplicaciones APM. Los sistemas GIS pueden integrarse como una interfaz gráfica, para una mejor planificación y enrutamiento. Por ejemplo, algunos usos de esta tecnología incluyen el mapeo de campo para el mantenimiento y adquisición de activos, mejorando considerablemente la toma de decisiones en el campo.

EL NUEVO MARCO DE GESTIÓN DIGITAL DEL MANTENIMIENTO

Una herramienta gráfica que facilita al lector la visualización de este nuevo marco de gestión digital del mantenimiento puede ser lo que conocemos como diagrama EPS(entrada-proceso-salida), que se puede sintetizar y representar como en la Figura 8. En esta Figura la entrada esta compuesta por datos sin procesar de diferentes sistemas del negocio. Los sistemas pueden ser, por ejemplo, sistemas ERP, sistemas de despacho, sistemas GIS, DCS, etc. Dondequiera que se almacene información relevante sobre activos en la empresa.

Luego, el proceso se divide en sistemas: En primer lugar, los datos van a ser extraídos, transformados y convertidos en diferentes bases de datos mediante sistemas ETL, existen por tanto luego sistemas de bases de datos, sistemas inteligentes para la gestión de activos (IAM), sistemas de inteligencia artificial (AI) y sistemas de inteligencia de negocio (BI). Cada uno de estos sistemas tendrá una determinada función (o grupo de funciones) para asegurar una gestión digital del mantenimiento, eficaz y eficiente.

Finalmente, los diferentes sistemas con un modelo de datos más preciso generan una salida. La salida puede ser para diferentes propósitos: identificar el riesgo en los activos, evaluar ese riesgo, mitigar el riesgo, etc. Lo que sea necesario para controlar el riesgo del negocio en las operaciones normales de los activos. Cada una de estas salidas está relacionada y asignada a una aplicación IAM diferente.

Como adivinará el lector, el modelo de datos se vuelve crítico para cada uno de los procesos que soportan las distintas Apps. Podremos hablar sobre un modelo de datos de activos adecuado para un negocio cuando estén identificadas las aplicaciones necesarias para respaldar los procesos de gestión de los activos en ese negocio, y contemplados sus requisitos de datos.

Los límites definidos deben intentar evitar la superposición entre diferentes conjuntos de datos de aplicaciones, pero algunas superposiciones pueden ser difíciles de evitar; sin embargo, dichos casos se identificarán y tratarán de manera adecuada durante los análisis de datos.

ALGUNOS RETOS TÉCNICOS

La utilización de los datos para mejorar la gestión del mantenimiento será posible si somos capaces de enfrentar de manera conveniente una serie de retos, entre los cuales se destacan aquí los siguientes:

• La no ergodicidad de los activos. Los diferentes activos, por definición, tienen características de no ergodicidad [24, 25]. ¿Qué significa esto? Un sistema es ergódico si para un experimento controlado, estudiar un proceso dado en varios experimentos que se ejecutan en paralelo, corresponde a estudiar el mismo proceso a lo largo del tiempo en un experimento [25] (ver Figura 9). En otras palabras, la media de la muestra de experimentos converge al valor esperado a lo largo del tiempo de un solo experimento. En las flotas de activos industriales estas propiedades no se cumplen. Si un componente de la máquina falla varias veces, las propiedades medias de estos fallos no necesariamente convergen con las propiedades medias de todos los fallos de ese componente en la flota. Esto significa que las flotas de activos a menudo no son ergódicas [26]. Al considerar la posibilidad de utilizar herramientas de inteligencia artificial para el mantenimiento de activos, esto puede afectar seriamente las posibilidades de aprendizaje colaborativo, es decir, la capacidad de los activos para utilizar información de otros activos para actualizar su propia detección de fallos y predicciones.

• La maldición de la dimensionalidad. Recibe este nombre un fenómeno que aparece en los modelos de Machine Learning cuando los algoritmos deben aprender de un volumen amplio de características, con valores abundantes dentro de cada una [27] (ver Figura 10).

Llegar a muestras con cada combinación de valores cuando se realiza el entrenamiento de los modelos sería muy complicado. Por lo tanto, puede suceder que la precisión del clasificador o regresor primero mejore al incluir más dimensiones, pero luego incluso pueda disminuir. Este es un problema común al seleccionar el subconjunto correcto de características para el diseño de una estrategia CBM. Una buena elección puede hacer que los modelos funcionen más rápido y produzcan predicciones más precisas. Pero al aumento en el número de variables a considerar puede generar muchos falsos positivos, o volver en cualquier caso la herramienta poco eficaz.

Para diseñar estrategias CBM basadas en datos de equipos complejos normalmente se requiere la identificación de las variables necesarias por modo de fallo, con el fin de detectar los fallos incipientes (punto P en la curva PF utilizada en CBM), y luego la definición de reglas para para la predicción del modo de fallo en tiempo real, al acercarse el fallo funcional (punto F). La selección correcta del subconjunto de características puede requerirla utilización de varios métodos de clasificación y selección de características, que funcionen adecuadamente independientemente del algoritmo de aprendizaje automático elegido.

• La evaluación dinámica del riesgo. En contextos operativos de alta digitalización, surge una gran cantidad de información relacionada con la operación y condición de los activos. Vincular esta información a una medida razonable de riesgo de fallo se vuelve fundamental para el proceso de toma de decisiones en mantenimiento.Una buena medida del riesgo de fallo permite obtener el control de la preservación de la funcionalidad de los activos, evitando las consecuencias de fallos no deseadas de manera efectiva y eficiente. Para aprovechar la digitalización se requiere una forma más sofisticada de programar y realizar las actividades de mantenimiento, confiando en una evaluación muy dinámica del riesgo de fallos [29]. La transformación digital debe respaldar una gestión del riesgo de fallos (RM) más potente y eficaz. El mayor número de datos sobre los fallos deben traducirse en la mejora continua del control dinámico del riesgo de estos, para una verdadera toma de decisiones de mantenimiento inteligente. La idea de vincular la gestión del mantenimiento con la gestión de riesgos está bien presentada en ISO 55000. La gestión de riesgos se introduce explícitamente en los principios de gestión de activos [30, 31] que presentan la ingeniería de mantenimiento como una herramienta principal para la gestión.
• La programación dinámica de actividades de mantenimiento. El uso masivo de CBM genera una toma de decisiones dinámica y altamente compleja. No sólo la información disponible, sino la cantidad de eventos y alarmas, muchos de ellos interconectados. El manejo de todos estos escenarios complejos es una barrera para la implementación práctica de soluciones CBM dentro de los planes de mantenimiento preventivo. Cómo facilitar la compresión de la información que brindan estas soluciones y la simple interconexión con los procesos de programación de acciones de mantenimiento, que incluyen la participación humana, se convierte enun problema científico-técnico a resolverde gran impacto en este nuevo entorno industrial [32].

CONCLUSIONES

La transformación digital está cambiando la forma en que se gestiona el mantenimiento. Este artículo intenta dar respuesta a ciertas cuestiones fundamentales como: ¿Cuál es el proceso a seguir y cuáles son las herramientas a utilizar para alcanzar la excelencia en la gestión? ¿Cómo podemos adaptar nuestro sistema de gestión de mantenimiento actual a una plataforma de gestión inteligente de activos?¿con qué dificultades nos vamos a encontrar? Se ha descrito cómo este proceso no es trivial, la secuencia de implementación de las diferentes herramientas y tecnologías requiere de análisis.

Para desarrollar una estrategia digital de mantenimiento para los activos, debemos entender que los planes de mantenimiento existentes deberán ser analizados en profundidad y probablemente desglosados para sistemas críticos específicos, a menudo bajando el nivel de intervención de las ubicaciones funcionales, de acuerdo con las oportunidades destacadas por las nuevas tecnologías y análisis de datos. Además, en muchos casos los nuevos flujos de información digital requerirán un cambio en los procesos de gestión para apoyar la toma de decisiones.

Muchos fabricantes y usuarios y administradores de activos deben prepararse para diferentes escenarios posibles de acuerdo con la configuración digital del activo, lo que lleva a diferentes planes de mantenimiento y necesidades de gestión posibles. Por ejemplo, CBM puede retrasar o reemplazar una tarea de mantenimiento predeterminada en algunos proyectos, pero no en todos. Igualmente puede suceder que el mantenimiento preventivo programado se mantenga, pero disminuya el tiempo de mantenimiento al utilizar una nueva tecnología.

Como se puede adivinar, uno de los mayores desafíos será proporcionar a las personas el apoyo y la formación adecuados en la gestión del cambio. Si bien la generación más joven está familiarizada con los datos y las herramientas de trabajo basadas el ordenador, los empleados mayores pueden no estar dispuestos a cambiar la forma en que trabajan y, a menudo, necesitan apoyo. Los mejores algoritmos para la detección, el diagnóstico y el pronóstico serán en vano si el personal de mantenimiento no cambia su forma de trabajar.

Al mismo tiempo, y para lograr el impacto, es necesario abordar toda la cadena de valor en mantenimiento; el monitoreo y el análisis predictivo representan solo el primer paso. En el nuevo ecosistema de mantenimiento, se debe prestar una atención crítica a la propiedad de los maestros de datos y las posibilidades que estos maestros ofrecen para la gestión. El desarrollo de capacidades analíticas que permitan un modelo operativo exitoso puede resultar en una cuestión de negociación del acceso a los datos.

En resumen, la digitalización va a cambiar la forma en que concebimos, desarrollamos e industrializamos el mantenimiento. Esto debe entenderse como un proceso largo, complejo y formal. Un proceso que no debe implementarse de una vez, sino que debe consolidarse de manera continua, ordenada y segura.