Sí, se puede empezar a anticipar averías sin instalar un solo sensor: el histórico de tus averías y de tus partes de trabajo ya contiene pistas sobre qué máquina falla, cada cuánto y por qué. Un agente de IA puede leer ese histórico, encontrar patrones y avisarte de qué revisar antes de que la máquina se pare. No sustituye a un sensor que mida lo que ocurre en la máquina en tiempo real, pero es un primer paso barato y deja claro dónde merece la pena medir de verdad.
Una gran fábrica monitoriza sus equipos con instrumentación continua. Una pyme industrial, un taller o una empresa de servicios con maquinaria suele tener otra cosa: años de partes de trabajo, algunos en papel, otros en una hoja de cálculo y otros en el programa de gestión. Ese archivo tiene más valor del que parece.
¿Se pueden predecir averías sin sensores?
Se pueden anticipar algunas, no todas. Un sensor mide el estado de la máquina ahora; un parte de trabajo cuenta lo que ya ha pasado. Con el segundo no ves cómo se degrada un rodamiento a lo largo de una semana, pero sí puedes ver que ese rodamiento se cambia cada cierto tiempo, que casi siempre falla después de una tanda de producción exigente o que la misma máquina acumula paradas con una causa parecida.
Es decir, sin sensores se predice el patrón de las averías, no el momento exacto. Para muchas pymes eso basta para pasar de reparar cuando se rompe a revisar lo más probable antes de que se rompa. La diferencia entre ambos enfoques se explica con más detalle en cómo automatizar el mantenimiento predictivo de maquinaria con IA.
Los datos que ya tienes (y quizá no valoras)
Antes de comprar nada, haz inventario de lo que existe:
- Partes de trabajo y órdenes de reparación: fecha, máquina, qué falló, qué se hizo, cuánto duró la parada.
- Registro de repuestos: qué piezas se han cambiado, cuándo y en qué máquina.
- Mantenimientos preventivos hechos: qué se revisó y qué se encontró.
- Comentarios libres de los técnicos: "ruido raro desde el lunes", "pierde presión con calor". Son oro, aunque estén mal escritos.
- Datos de uso: horas de funcionamiento, turnos, tipo de trabajo o material que se estaba procesando, si los tienes.
No hace falta que estén perfectos ni en el mismo formato. Una de las tareas que mejor se le da a un agente es leer papeles heterogéneos y ordenarlos en una tabla coherente, siempre con revisión de una persona que conozca la planta.
¿Qué patrones puede sacar un agente de tus partes?
Con esos datos ordenados, un agente puede buscar y resumir cosas como estas:
- Qué máquinas concentran más paradas y cuáles cuestan más horas de trabajo.
- Intervalos entre averías de un mismo componente, para sugerir cuándo revisarlo.
- Averías que llegan en cadena: la pieza A falla y, poco después, la B. Si siempre ocurre así, conviene revisar B cuando falle A.
- Causas repetidas en los comentarios libres, aunque cada técnico las describa con palabras distintas.
- Condiciones asociadas: averías que se concentran en cierta época del año, tras cierto tipo de trabajo o con un turno concreto.
- Piezas con repuesto lento: aquellas cuya falta alarga la parada, para que sepas cuáles tener en el almacén.
El resultado práctico es una lista corta de "esta semana conviene revisar esto en esta máquina, y estos son los motivos", con los partes que lo respaldan. La persona de mantenimiento decide si lo revisa, lo adelanta o lo ignora porque conoce la máquina.
Qué limitaciones tiene este enfoque
Conviene decirlo con claridad, porque el entusiasmo juega en contra:
- Calidad de los partes. Si se rellenan con prisas o dicen solo "avería" sin causa, el agente tendrá poco que leer. Con datos pobres, los resultados también lo serán.
- Pocos datos. Una máquina nueva, o una avería que ocurre una vez cada varios años, no deja suficiente historial para ver un patrón.
- Averías que cambian. Si se modificó la máquina, el proceso o el material, el pasado deja de ser buen guía.
- Sin visión en tiempo real. Una degradación gradual que no ha dejado rastro en un parte pasa inadvertida hasta que ocurre.
- Correlación no es causa. Que las averías coincidan con cierto turno no prueba que el turno sea el culpable. Lo interpreta alguien que conoce la planta.
- Falsa sensación de seguridad. Un aviso que no llega no significa que la máquina esté bien. Los plazos de revisión del fabricante y el criterio del técnico siguen valiendo.
Cómo empezar sin gastar en sensores
Un plan razonable, de menos a más:
- Elige una familia de máquinas, la que más te preocupa o la que más cuesta cuando se para.
- Reúne sus partes de los últimos años, en el formato que estén.
- Pide a un agente que los ordene y te devuelva una tabla por máquina, avería y fecha. Revisa esa tabla con quien conoce la máquina.
- Analiza los patrones y decide con el técnico cuáles tienen sentido y cuáles son casualidad.
- Cambia el parte para que, a partir de ahora, recoja lo necesario: máquina, causa, pieza, duración de la parada y una frase libre. Un parte mejor es la inversión más barata.
- Compara durante unos meses lo que el agente sugiere con lo que realmente ocurre, y anota los aciertos y los fallos.
Si quieres cuidar la parte preventiva en paralelo, la programación de mantenimientos preventivos con IA encaja bien con este arranque.
¿Cuándo conviene añadir sensores?
Cuando los partes ya te han dicho dónde duele. Merece la pena medir de forma continua en una máquina que cuando se para detiene toda la producción, cuya avería suele dar señales físicas antes de ocurrir (vibración, temperatura, consumo) y cuyo historial muestra que el patrón por sí solo no basta para anticiparse. También cuando las paradas no planificadas son tan caras que revisar "por si acaso" resulta insuficiente.
Lo ideal es empezar con una sola máquina crítica y no con toda la planta. Hay otro artículo dedicado a este paso, sensores de vibración y temperatura: cuánto cuesta empezar, que explica de qué se compone el coste y cómo plantear un piloto. La ventaja de haber empezado con los partes es que llegarás a esa conversación sabiendo qué máquina elegir y qué pregunta quieres que respondan los sensores.
Conclusión
Predecir averías sin sensores es posible dentro de unos límites: se anticipan patrones, no el instante exacto, y el resultado depende de lo bien que se hayan rellenado tus partes. Aun así, ordenar ese histórico suele revelar dónde se pierde más tiempo y qué máquina merece medirse de forma continua, antes de gastar en equipos.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, no una plantilla genérica. Empezamos por leer los partes que ya tienes, sin pedirte que cambies tu forma de registrar el trabajo de golpe.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.