El mantenimiento predictivo es la estrategia de mantenimiento más avanzada: en lugar de intervenir según un calendario fijo o después de la avería, interviene cuando los datos de monitorización del equipo indican que una avería es inminente.
El mantenimiento preventivo sustituye o revisa componentes según un calendario fijo, independientemente de su estado real. Tiene la ventaja de la predictibilidad y la simplicidad, pero el inconveniente de que puede sustituir componentes que aún tendrían muchas horas útiles.
El mantenimiento predictivo interviene basándose en el estado real del componente, determinado por el análisis de parámetros como vibración, temperatura, ruido o presión. Permite maximizar la vida útil de los componentes, reducir el número total de intervenciones y eliminar las averías inesperadas — al menos para los modos de fallo monitorizados.
El análisis de vibraciones es la tecnología más utilizada para detectar fallos en rodamientos, engranajes y desequilibrios de rotación. Los sensores de vibración miden el espectro de frecuencias y comparan con la firma de vibración normal del equipo.
El análisis termográfico mediante cámaras de infrarrojos detecta puntos calientes en motores, cuadros eléctricos y uniones mecánicas. El análisis de aceite detecta partículas metálicas en suspensión que indican desgaste interno. El ultrasonido detecta fugas de aire comprimido y fallos incipientes en rodamientos.
El mantenimiento predictivo tiene sentido para equipos con alto coste de la avería no planificada, modos de fallo que se desarrollan progresivamente y son detectables con antelación suficiente, y volumen de equipos similares que justifique la inversión.
Para plantas que aún no tienen un mantenimiento preventivo bien establecido, el predictivo es prematuro: es mejor consolidar primero el preventivo y luego avanzar hacia el predictivo en los equipos más críticos.
El módulo de Mantenimiento de Ovelean registra el historial de averías por equipo y componente, construyendo la base de datos necesaria para identificar patrones y avanzar hacia el mantenimiento predictivo.