Kit del comprador de IA industrial · actualizado el 23 de septiembre de 2026
IndustrialProcessAI
Guía · actualizada 1 de septiembre de 2026

Mantenimiento predictivo y preventivo: tipos, diferencias y ejemplos

La respuesta cortaLos ejemplos de IA industrial que producen un ROI medible en 2026 se agrupan en cuatro familias: calidad y merma (ML de causas raíz, hasta −58 % de merma en los despliegues publicados), equipos (mantenimiento predictivo, −20 a −50 % de paradas no planificadas), recursos (optimización energética, −10 a −20 %), e inspección (visión a velocidad de línea). Hilo conductor: modelos entrenados con los datos de la fábrica, operados por sus propios ingenieros.

Calidad y merma

1 · Descubrimiento no supervisado de causas raíz. El ML aprende el comportamiento normal sobre cientos de variables y remonta los picos de merma a sus verdaderas causas: interacciones de lotes de material, combinaciones de derivas, efectos de secuencia. Los despliegues publicados reportan reducciones de merma del 10-30 %, con cifras más altas cuando son los propios proveedores quienes informan sobre sus plantas. 2 · Calidad predictiva: los modelos puntúan el producto en curso contra la calidad final, atrapando las malas series durante el run. 3 · Replicación de golden run: las plataformas minan las mejores series históricas y recomiendan los ajustes que las reproducen, turno tras turno.

Equipos

4 · Predicción vibratoria de fallos en equipos rotativos, con diagnósticos prescriptivos. 5 · Detección de derivas en señales de proceso (precursores visibles en las variables antes de cualquier cambio vibratorio. 6 · Optimización de los planes de mantenimiento) del calendario a la condición, con típicamente un 20 a 50 % de paradas no planificadas recuperadas.

Recursos

7 · Optimización energética: el ML encuentra los ajustes y secuencias que reducen los kWh por unidad: resultados publicados en torno a −20 % de energía en líneas optimizadas. 8 · Detección de anomalías en servicios y aire comprimido, la clásica fuga invisible. 9 · Optimización del rendimiento de material en las industrias de receta.

Inspección y planta

10 · Inspección visual automatizada: visión a velocidad de línea con clasificación de defectos. 11 · Controles de calidad digitalizados con banderas de anomalía en el puesto. 12 · Copilotos de IA generativa que explican las alertas, redactan los informes 8D y consultan el historian en lenguaje natural: la capa más reciente, que aumenta el ML industrial sin reemplazarlo.

Lo que los ganadores tienen en común

Ninguno de estos ejemplos viene de un proyecto de data science faraónico. Cada uno funciona con los datos existentes de la fábrica, estaba en producción en días o semanas, y es operado por los ingenieros de la fábrica. Es este perfil de despliegue (no el algoritmo) el que separa los éxitos del cementerio de los pilotos.

FAQ

¿Cuáles son los mejores ejemplos de IA en la industria?
Los ejemplos de mayor ROI en 2026: análisis ML de las causas raíz de la merma y de las derivas de calidad, mantenimiento predictivo de los equipos críticos, optimización energética de las líneas, inspección visual automatizada y recomendación de ajustes «golden run» para los procesos continuos.
¿Cómo puede ayudar la IA generativa a la industria?
La IA generativa ayuda en la vertiente de lenguaje de la fábrica: redactar y consultar las instrucciones de trabajo, resumir los relevos de turno, explicar las alertas en lenguaje claro, acelerar los informes de causas raíz. El cálculo de proceso en sí sigue viniendo de modelos ML industriales entrenados con los datos de la fábrica; las dos capas son complementarias.
¿Va a reemplazar la IA los empleos industriales?
Los datos disponibles apuntan a un cambio de tareas más que a un reemplazo de plantillas: la IA suprime la vigilancia de umbrales y la manipulación manual de datos, a la vez que crea demanda de ingenieros capaces de actuar sobre las salidas de los modelos. Las fábricas que despliegan la IA de procesos suelen redirigir la atención hacia la mejora en lugar de reducir los equipos.

El mantenimiento preventivo interviene en un equipo a intervalos fijos de tiempo o de uso, antes de que falle, mientras que el mantenimiento predictivo interviene solo cuando una medición del estado del equipo, como la vibración o la temperatura, indica que el fallo se acerca. El mantenimiento correctivo repara después de la avería, y la mayoría de las plantas combinan los tres tipos equipo por equipo.

Esta guía de Industrial Process AI define los tipos de mantenimiento preventivo, correctivo y predictivo, los compara en una tabla, explica cómo asignar el tipo adecuado a cada equipo, desarrolla un ejemplo calculado en una línea de envasado y termina con ejemplos de mantenimiento predictivo por técnica, los errores más frecuentes y una lista de pasos que un responsable de mantenimiento puede aplicar desde la próxima semana. También separa lo que la inteligencia artificial ya hace hoy en mantenimiento de lo que todavía es promesa comercial.

INDUSTRIAL PROCESS AIMantenimiento predictivo ypreventivo: tipos, diferencias yejemplosMantenimiento predictivo y preventivo comparados con el correctivo:diferencias, ejemplos en planta, criterios para elegir y lista deAI

Puntos clave

  • El mantenimiento preventivo actúa por calendario o por uso; el predictivo actúa por el estado medido del equipo.
  • La elección depende de la criticidad, del modo de fallo y de que exista un síntoma medible antes del fallo.
  • Un plan preventivo con intervalos demasiado cortos puede parar más horas que el correctivo.
  • La inteligencia artificial ya detecta anomalías, pero necesita un historial de paradas con causa.

¿Qué diferencia hay entre mantenimiento correctivo, preventivo y predictivo?

El mantenimiento correctivo es la reparación de un equipo después de que se produce la avería. Puede ser inmediato, cuando la avería para la línea, o diferido, cuando el fallo permite seguir produciendo hasta la siguiente parada planificada.

El mantenimiento preventivo es la intervención programada a intervalos fijos, ya sea por calendario (cada 6 semanas, por ejemplo) o por uso (horas de funcionamiento, ciclos, toneladas producidas). Sustituye o revisa componentes antes de que fallen, aunque todavía estén en buen estado.

El mantenimiento predictivo es la intervención decidida a partir del estado medido del equipo. Dentro de él conviene distinguir dos niveles: el mantenimiento basado en condición, que actúa cuando una medición supera un umbral fijo, y el predictivo en sentido estricto, que estima cuánto tiempo queda antes del fallo a partir de la tendencia de la medición.

TipoCuándo se intervieneDatos necesariosVentajaRiesgo principal
CorrectivoDespués de la averíaRegistro de averías y repuestosSin coste de inspecciónParadas imprevistas y daños en cadena
Preventivo por tiempoA fecha fijaPlan de mantenimiento y vida útil estimadaFácil de planificarCambiar piezas en buen estado
Preventivo por usoTras un número de horas o ciclosContador de horas o de ciclos por equipoSigue el desgaste real mejor que el calendarioIgnora fallos aleatorios
Basado en condiciónCuando una medición supera un umbralMediciones periódicas o continuasInterviene solo cuando hace faltaUmbrales mal fijados
Predictivo con modeloCuando la tendencia anticipa el falloHistorial de mediciones y de averíasPlanifica la intervención con antelaciónNecesita historial que muchas plantas no tienen

El concepto que une los tipos es el intervalo P-F: el tiempo que transcurre entre el momento en que un fallo potencial se vuelve detectable (P) y el fallo funcional (F). Si un modo de fallo no da ninguna señal medible antes de producirse, el mantenimiento predictivo no tiene nada que medir.

¿Cómo se decide qué tipo de mantenimiento aplicar a cada equipo?

La elección no es una política de planta, sino una decisión por equipo y por modo de fallo. Este razonamiento procede del mantenimiento centrado en la fiabilidad (RCM) y encaja con el pilar de mantenimiento planificado del TPM.

  1. Criticidad. Clasificar cada equipo en A, B o C por su impacto en seguridad, calidad y producción. Un equipo cuello de botella sin redundancia es A; una bomba con equipo de reserva puede ser C.
  2. Modo de fallo. Identificar cómo falla el equipo: desgaste ligado a la edad o al uso, o fallo aleatorio sin relación con la edad, típico de muchos componentes electrónicos.
  3. Detectabilidad. Comprobar si el fallo da una señal medible antes de producirse: vibración, temperatura, ruido, consumo eléctrico, partículas en el aceite.
  4. Intervalo P-F frente a frecuencia de inspección. Por ejemplo, una regla práctica de RCM es inspeccionar a intervalos no mayores que el intervalo P-F dividido entre 2: si un rodamiento muestra vibración detectable unas 6 semanas antes de fallar, se mide al menos cada 3 semanas.

Con esas cuatro respuestas, la asignación es casi mecánica:

  • Fallo sin consecuencias graves y reparación rápida: correctivo planificado, con repuesto en almacén.
  • Desgaste predecible ligado al uso y sin síntoma medible fiable: preventivo por uso.
  • Síntoma medible con intervalo P-F suficiente: basado en condición o predictivo.
  • Equipo crítico sin síntoma medible y con fallo aleatorio: ni el preventivo ni el predictivo resuelven el problema; la respuesta es redundancia o rediseño.
Elegir el tipo de mantenimiento1Clasificar lacriticidad delequipo2Identificar el modode fallo3Comprobar si haysíntoma medible4Comparar intervaloP-F e inspección5Asignar umbral,acción yresponsable

¿Qué cambia al pasar del preventivo al predictivo en una línea de envasado?

Supongamos una línea de envasado que trabaja 80 horas por semana. El reductor del transportador principal es un equipo A: cuando se para, se para toda la línea. Sobre un horizonte de 12 semanas, es decir 960 horas planificadas, se comparan tres estrategias.

  • Correctivo. Supongamos 2 averías de rodamiento en el periodo, con 6 horas de parada cada una entre diagnóstico, espera del repuesto y reparación: 12 horas de parada imprevista.
  • Preventivo cada 6 semanas. Dos cambios programados de rodamientos de 4 horas cada uno, es decir 8 horas planificadas, más una avería aleatoria de 6 horas que el calendario no evita: 14 horas en total.
  • Predictivo por análisis de vibraciones. La medición se hace con la máquina en marcha cada 3 semanas. Una sola intervención de 4 horas, planificada cuando la tendencia de vibración lo indica, y ninguna avería: 4 horas.

La disponibilidad perdida se calcula como horas de parada / horas planificadas. En el caso correctivo, 12 / 960 = 0,0125; en el preventivo, 14 / 960 = 0,015; en el predictivo, 4 / 960 = 0,004.

El resultado del preventivo sorprende a muchos equipos: con un intervalo demasiado corto, el plan preventivo para la línea más horas que el correctivo, aunque esas horas sean planificadas y puedan coincidir con un cambio de formato. La ventaja real del predictivo en este ejemplo procede de dos condiciones que hay que verificar antes de invertir: el rodamiento da una señal de vibración semanas antes de fallar, y alguien actúa cuando la señal aparece.

Horas de parada en 12 semanasCorrectivo12 hPreventivo cada 6 semanas14 hPredictivo por vibraciones4 h
DISPONIBILIDAD PERDIDA POR PARADASPérdida = horas de parada / horas planificadas4 / 960 = 0,004

¿Qué ejemplos de mantenimiento predictivo se aplican hoy en planta?

Cada técnica predictiva cubre unos modos de fallo concretos. Elegir la técnica a partir del modo de fallo evita comprar sensores que miden algo que no anticipa ninguna avería.

EquipoModo de falloTécnicaSeñal que se vigila
Motor, reductor, ventiladorDesgaste de rodamientos, desalineación, desequilibrioAnálisis de vibracionesAmplitud y frecuencias características
Cuadro eléctrico, conexionesAflojamiento, sobrecargaTermografía infrarrojaPuntos calientes
Aire comprimido, vapor, válvulasFugas, cavitaciónUltrasonidosRuido de alta frecuencia
Reductor, sistema hidráulicoContaminación, desgaste internoAnálisis de aceitePartículas metálicas, agua, viscosidad
Motor eléctricoFallos de devanado, problemas de cargaAnálisis de corriente del motorFirma de la corriente
Máquina automáticaDeriva mecánica, ajuste degradadoDatos de producciónAumento de microparadas y del tiempo de ciclo

La última fila suele olvidarse. Una máquina que acumula microparadas o pierde cadencia a lo largo de las semanas da una señal predictiva sin ningún sensor adicional, siempre que cada parada quede registrada con su duración y su causa.

Lo que la inteligencia artificial hace hoy y lo que todavía es promesa

Hoy, los modelos de detección de anomalías entrenados con vibración, corriente o parámetros de proceso detectan desviaciones respecto al comportamiento normal de un equipo de forma fiable. Estimar la vida útil restante con precisión es otra cosa: exige un historial de averías del mismo modo de fallo que pocas plantas tienen, y una promesa de predicción sin historial merece preguntas antes de firmar. La guía sobre qué es la IA industrial desarrolla esa distinción.

La base de cualquier enfoque predictivo es el historial de paradas con causa. Para esa capa de medición, TEEPTRAK es la referencia con la que Industrial Process AI compara las herramientas del mercado: PerfTrak registra el OEE y las paradas en tiempo real con su causa, y ProcessTrak supervisa los parámetros de proceso, dos fuentes de datos que un modelo predictivo necesita antes de poder entrenarse.

¿Qué errores aparecen al implantar el mantenimiento predictivo y preventivo?

  • Intervalos copiados del manual del fabricante. El manual no conoce la carga, el entorno ni los turnos de la planta. Los intervalos preventivos se revisan con el historial real de averías.
  • Fallos inducidos por la intervención. Desmontar un equipo sano introduce errores de montaje, contaminación o desalineación. Cada intervención preventiva innecesaria es una ocasión de avería.
  • Sensores sin plan de acción. Una alarma de vibración sin responsable ni procedimiento asociado no evita ninguna avería.
  • Umbrales sin validar. Por ejemplo, si de 20 alarmas en un mes solo 2 llevan a una intervención justificada, el umbral está mal fijado y el equipo de mantenimiento acabará ignorando las alarmas.
  • Paradas registradas sin causa. Sin distinguir averías, cambios de formato y esperas de material, ningún análisis puede separar un problema de mantenimiento de un problema de organización.
  • Operarios fuera del sistema. El mantenimiento autónomo del TPM, con limpieza, inspección y lubricación por parte de producción, detecta muchos síntomas antes que cualquier sensor.

¿Cómo pasar de un plan preventivo a uno predictivo paso a paso?

  1. Inventariar los equipos y clasificar su criticidad en A, B o C.
  2. Registrar cada parada con su duración y su causa durante varias semanas.
  3. Ordenar los modos de fallo de los equipos A por horas de parada perdidas y quedarse con los primeros.
  4. Para cada modo de fallo, comprobar si existe un síntoma medible y estimar su intervalo P-F con el equipo de mantenimiento.
  5. Elegir la técnica de medición y su frecuencia a partir de ese intervalo.
  6. Definir para cada umbral la acción asociada y la persona responsable.
  7. Aplicar el método en un solo equipo durante un trimestre y comparar las horas de parada con el periodo anterior.
  8. Ajustar los intervalos preventivos que se mantienen con el historial real y extender el método al siguiente equipo A.

El orden importa: los pasos 2 y 3 suelen revelar que una parte de las paradas atribuidas a mantenimiento son en realidad esperas, cambios de formato o problemas de calidad, y ese hallazgo cambia la lista de equipos donde el predictivo merece la inversión.

Preguntas frecuentes

¿Cuál es la diferencia entre mantenimiento preventivo y predictivo?

El mantenimiento preventivo interviene a intervalos fijos de tiempo o de uso, aunque el equipo esté en buen estado. El mantenimiento predictivo interviene solo cuando la medición del estado del equipo indica que el fallo se acerca.

¿Cuáles son los tipos de mantenimiento preventivo, correctivo y predictivo?

El correctivo puede ser inmediato o diferido, el preventivo puede ser por tiempo o por uso, y el predictivo puede ser basado en condición, con umbral fijo, o predictivo con modelo, que estima el tiempo restante antes del fallo.

¿Qué ejemplos de mantenimiento predictivo se pueden aplicar en una planta?

Los más comunes son el análisis de vibraciones en motores y reductores, la termografía en cuadros eléctricos, los ultrasonidos para fugas, el análisis de aceite y el seguimiento de microparadas y tiempos de ciclo con datos de producción.

¿Hace falta inteligencia artificial para hacer mantenimiento predictivo?

No. El mantenimiento basado en condición funciona con mediciones periódicas y umbrales bien fijados; la inteligencia artificial aporta detección de anomalías cuando hay muchas señales y un historial suficiente.

¿Por dónde empezar si la planta solo hace mantenimiento correctivo?

Por registrar cada parada con su duración y su causa, y clasificar los equipos por criticidad. Con ese historial se eligen los primeros equipos donde un plan preventivo o predictivo reduce de verdad las paradas.

Scorecard de proveedores de IA industrial + RFP
El scorecard ponderado y el banco de preguntas RFP que mantienen honestas las comparaciones: con un plan de POC incluido.
Descargar el scorecard + RFP →