La Deuda Tcnica del Mantenimiento

Predictivo en la nueva era de los datos

Jorge Alarcn | jorge.alarcon@tekniker.es
El mundo en mis manos, una breve introduccin
La revolucin tecnolgica que actualmente vivimos nos lleva a creer que muchos de
nuestros problemas diarios tienen una fcil solucin, ya sea mediante una nueva app para el
mvil, una nueva web, un weareable y una larga lista de trminos asociados a nuevos
emprendimientos.
Esta nueva era tecnolgica tiene muchos abanderados, dependiendo del mercado objetivo,
coches autnomos, robots tambin autnomos, microprocesadores cada vez ms potentes,
inteligencia artificial que supera a la humana, Big Data, Predictiva Analtica, por mencionar
algunos y por supuesto este impulso viene dado por muchos gigantes que caben en la palma
de la mano, Facebook, Amazon, Google, Microsoft.
Por otro lado, la conectividad y dependencia a la web se ha convertido en parte de nuestra
vida. Son tiempos en los que no nos planteamos una vida sin los beneficios de la web, para
muchos sera lo ms cercano a un apocalipsis zombi.
El porcentaje de personas que se conecta a la red utilizando un Smartphone ha crecido
aceleradamente en Espaa, pasando de un humilde 27% en el ao 2012 a un abrumante
75% tan solo cuatro aos ms tarde.
Esta es una prueba irrefutable no solo del avance tecnolgico sino tambin de la
dependencia que hemos creado en torno a lo relacionado con la web. Este frenes
tecnolgico ha tenido un impacto muy grande en los individuos, un gran porcentaje de
nuestras labores diarias las llevamos a cabo desde un Smartphone, actividades que se han
convertido en parte de nuestro da a da.
Sin embargo el hecho que gestionemos nuestra agenda o leamos (veamos o escuchemos)
las noticias en el mvil probablemente no repercuta en la productividad personal orientada
a beneficios puramente econmicos, podemos estar ms o menos informados, llegar a una
cita el momento preciso, controlar el ejercicio diario, etc. pero muy probablemente no
ganemos dinero por esas actividades.
Al contrario de lo que ocurre a nivel personal, los beneficios de las apps y los telfonos
inteligentes no llegan a ser tan exquisitos cuando hablamos de una empresa, ya que a nivel
empresarial todo esto cambia drsticamente. No es posible descargar ese deseado programa
ya que la licencia tiene un costo, permisos, los requisitos del sistema son superiores a los

propios, no contamos con recurso humano suficiente para instalarla o mantenerla y mas
problemas.
Toboganes, ping-pong y sin horarios, la empresa del vecino
Por regla general la empresa del vecino es, en muchos aspectos, mucho mejor que la propia.
Los beneficios son mejores, las prestaciones, y un largo etctera la convierten en un sitio
que an nos hace suspirar cada vez que nos viene a la cabeza. Si bien los aspectos visibles
impactan mucho, el principal generador econmico no radica ah, sino que est presente,
adems del bendito recurso humano, en las herramientas que convierten un trozo de materia
prima en producto terminado. Pero como bien reza el ttulo de este artculo, nos
encontramos en una era algo diferente, en la de los datos.
A la materia prima tradicional, se ha unido en estos das una nueva, ms delicada, invisible,
poderosa, indomable y muchas veces olvidada; los datos. A estos se han referido muchos
como el nuevo petrleo de estos tiempos, pero se ha olvidado aadir que para extraerlo
hace falta una infraestructura considerable, costosa y que necesita ser cuidada y
mantenida.
Para desgracia del vecino, ninguna de las mesas de ping-pong de su sala de relax le servirn
para solucionar los problemas que tiene con el software heredado de su mentor, tampoco las
herramientas habituales del ordenador le resolvern el quebradero de cabeza de datos
numricos, ni siquiera las horas extras le sern de ayuda.
El gran problema de nuestros das radica, aqu viene la frase que debera resumir este
artculo, en que las empresas han descuidado las herramientas que convierten los datos o
como bien los describimos lneas arriba un tipo ms de materia prima, en producto
terminado.
Las herramientas informticas o software al que aqu hacemos referencia es aqul que
cumple al menos uno de los siguientes aspectos:

Minimiza tiempos muertos

Maximiza el trabajo del usuario

Reduce errores

Elimina actividades improductivas

Aade valor a la rutina diaria

Desafortunadamente la visin de muchos Directores de negocio es que las aplicaciones

incluidas en el ordenador son suficientes para cubrir las necesidades del negocio. Si Office
no es suficiente el problema radica en la lentitud del personal, la falta de compromiso o el
desconocimiento del paquete informtico.

Como resultado de esta visin cortoplacista los problemas se asemejan a la tpica bola de
nieve que crece a medida que pasa el tiempo y que aumenta su velocidad. El resultado no es
otro que un dficit que impacta reduciendo la productividad, del encargado de la labor en
primera instancia y finalmente de la empresa.
El mantenimiento predictivo y su bola de nieve privada
A nivel industrial, la inversin anual promedio en equipamiento se sita por debajo de un
tmido 7% (sin tomar en cuenta reemplazos). Desafortunadamente los datos pblicos no son
claros y la inversin en herramientas informticas muy pocas veces se ve reflejado dentro
de este valor, si ya la industria muestra estos datos, el mantenimiento predictivo tiene su
propia pesadilla. Los sistemas de gestin de mantenimiento predictivo muchas veces han
sido introducidos en el negocio para respaldar el aspecto econmico-financiero pero no
para gestionar ni tomar decisiones en base a los datos que se generan en torno a las
mquinas.
Los entornos de mantenimiento predictivo se apoyaron en herramientas bsicas como Excel
o similares, cuando en realidad lo que necesitaban era algo muchos ms gil, potente y
enfocado a maximizar el beneficio del mantenimiento predictivo. S, el mantenimiento
predictivo es un centro de coste capaz de generar beneficio.
Si este problema fuese la nica parte de la ecuacin su solucin sera probablemente
sencilla. Sin embargo nos encontramos inmersos en la era de los datos, aunque es difcil
unificar criterios sobre este tema, lo nico que hasta ahora tenemos en claro con ste es que
son muchos y su volumen crece cada da. Probablemente el comentario ms claro sobre
este aspecto fue hecho por el CEO de una gran multinacional, quien parafraseando dijo,
vete a la cama como una empresa industrial y despertars siendo una de anlisis de
datos.
La tendencia actual ha empujado a muchas industrias a intentar sacar beneficio de sus datos
y aunque muchas crean que estn sentadas sobre una mina de oro, lo ms probable es que lo
estn sobre un cementerio de huesos.
El mantenimiento predictivo industrial lleva aos, si no dcadas, de retraso tecnolgico y
en muchos casos no est preparado para dar el salto a ese universo fabuloso de los datos
masivos, su anlisis y ventajas.
Los problemas del da a da, dar respuesta a operaciones, pocas de abundancia, stock
bajos, crisis y muchas otras razones han desplazado contra las cuerdas a una parte
importante del mantenimiento predictivo. Cada caso, cada industria tiene su particular
dilema y no existe, de momento, una herramienta que d solucin a todos ni un algoritmo
que minimice el efecto negativo del atraso ni una pldora mgica que nos haga olvidar las
consecuencias de este descuido.
Clasificacin, transicin y algunas conclusiones

No hace falta una auditora de meses para dar con la situacin del departamento de
mantenimiento predictivo de una empresa, no es una tarea sencilla pero se encuentran
ciertos patrones que muestran la realidad de la situacin, siempre desde el punto de vista de
datos, una realidad que en muchos casos duele y que muchos de antemano prefieren no
conocerla.
Es as que existen cuatro tipos de departamentos de mantenimiento predictivo.

El primero ubicado en el cuadrante del desahucio, en el cual las esperanzas de

mejora son prcticamente nulas y es mejor borrn y cuenta nueva.

El segundo, donde la deuda tcnica es inminente y a pesar de tener herramientas,

estas han quedado obsoletas o necesitan mucha mejora para aportar valor.

El tercer grupo es aqul en el que, a pesar de las carencias, se ha trabajado con un

objetivo claro desde el inicio y las mejoras se lograrn en corto plazo.

El cuarto grupo es el objetivo deseado por todos, pero alcanzado solo por unos
cuantos. Ideas claras, orden previo, inversin, objetivos y pasos consecuentes son
los antecesores de este grupo.

Saber dnde ests te mostrar a dnde debes dirigirte

Para muchos departamentos de mantenimiento predictivo (o gestores de mantenimiento
predictivo) el reto de subir al tren de las mejoras tecnolgicas, orientadas al tratamiento de
datos, en este momento no es ms que un deseo.
Inversin, tiempo, dedicacin, paciencia, objetivos claros y gua son los sinnimos de
este proceso al que tarde o temprano tendrn que someterse muchos para aprovechar los
datos que sus propias mquinas emiten.
Los beneficios al final del camino son muchos y grandes, vale la pena recorrer esta senda
y descubrir el gran aporte de los datos, pero es necesario recordar que es una Maratn, a
largo plazo, no una carrera de cien metros.