[{"data":1,"prerenderedAt":456},["ShallowReactive",2],{"page-es-419-glossary-mantenimiento-predictivo":3},{"content":4,"isFallback":429,"alternates":446},{"id":5,"title":6,"body":7,"description":427,"extension":428,"heroDark":429,"keywords":430,"locale":431,"meta":432,"navigation":436,"path":437,"seo":438,"sitemap":441,"stem":443,"translationKey":444,"__hash__":445},"content/es-419/glossary/mantenimiento-predictivo.md","Mantenimiento predictivo",{"type":8,"value":9,"toc":404},"minimark",[10,15,19,32,36,39,68,71,75,149,152,156,161,164,197,201,204,230,233,237,240,243,246,251,268,272,275,307,311,314,346,350,357,360,364,368,376,380,383,387,390,394,397,401],[11,12,14],"h2",{"id":13},"qué-es-el-mantenimiento-predictivo","¿Qué es el mantenimiento predictivo?",[16,17,18],"p",{},"El mantenimiento predictivo (MPd) es una estrategia en la que el propio equipo avisa cuándo necesita atención, en vez de adivinar o esperar a que falle. Al monitorear datos reales (vibración, temperatura, ruido, horas de uso, indicadores de desempeño), se detectan las señales tempranas de una falla y se corrige antes de que cause un paro.",[16,20,21,22,31],{},"No se espera a que el motor del auto se funda para cambiar el aceite, pero tampoco se cambia cada semana \"por si acaso\". El predictivo encuentra ese punto medio: el momento correcto para actuar, según lo que en realidad está pasando con el equipo. La arquitectura de procesamiento de datos para el monitoreo de condición está formalizada en la ",[23,24,30],"a",{"href":25,"rel":26,"target":29},"https://www.iso.org/standard/21832.html",[27,28],"noopener","nofollow","_blank","ISO 13374-1:2003",", que define cómo deben recolectar, procesar y presentar datos de máquina los sistemas de diagnóstico.",[11,33,35],{"id":34},"cómo-funciona-el-mantenimiento-predictivo","Cómo funciona el mantenimiento predictivo",[16,37,38],{},"El proceso sigue un ciclo directo:",[40,41,42,50,56,62],"ol",{},[43,44,45,49],"li",{},[46,47,48],"strong",{},"Monitorear."," Sensores y herramientas de recolección de datos dan seguimiento continuo a la condición del activo: vibración en un motor, temperatura en un servidor, o simplemente contadores de uso en el software de gestión de activos.",[43,51,52,55],{},[46,53,54],{},"Analizar."," El software compara el dato entrante con los patrones históricos. ¿Este motor vibra más de lo normal? ¿Este aire acondicionado cicla más seguido que el mes pasado?",[43,57,58,61],{},[46,59,60],{},"Predecir."," Con base en el análisis, el sistema estima cuándo es probable que ocurra la falla. \"Este balero probablemente fallará en 2 a 4 semanas, según su patrón actual de degradación.\"",[43,63,64,67],{},[46,65,66],{},"Actuar."," El mantenimiento se programa en el momento óptimo: lo bastante pronto para prevenir la falla, pero no tan pronto como para reemplazar repuestos que todavía tienen vida útil.",[16,69,70],{},"El resultado: se corrige exactamente en el momento correcto. Ni muy pronto (desperdicio de dinero), ni muy tarde (causando paros).",[11,72,74],{"id":73},"las-tres-estrategias-de-mantenimiento-comparadas","Las tres estrategias de mantenimiento, comparadas",[76,77,78,97],"table",{},[79,80,81],"thead",{},[82,83,84,88,91,94],"tr",{},[85,86,87],"th",{},"Estrategia",[85,89,90],{},"Cuándo se actúa",[85,92,93],{},"Analogía",[85,95,96],{},"Perfil de costo",[98,99,100,117,133],"tbody",{},[82,101,102,108,111,114],{},[103,104,105],"td",{},[46,106,107],{},"Correctivo",[103,109,110],{},"Después de que falla",[103,112,113],{},"Ir al dentista solo cuando duele la muela",[103,115,116],{},"Bajo al inicio, muy alto cuando algo sale mal",[82,118,119,124,127,130],{},[103,120,121],{},[46,122,123],{},"Preventivo",[103,125,126],{},"En una pauta fija",[103,128,129],{},"Ir al dentista cada 6 meses sin importar nada más",[103,131,132],{},"Moderado y estable, pero con visitas innecesarias",[82,134,135,140,143,146],{},[103,136,137],{},[46,138,139],{},"Predictivo",[103,141,142],{},"Cuando el dato lo indica",[103,144,145],{},"Ir al dentista cuando la radiografía muestra el inicio de una caries",[103,147,148],{},"Optimizado: se gasta solo cuando hace falta",[16,150,151],{},"La mayoría de las organizaciones usa una mezcla de las tres, y la segunda y tercera fila son justo lo que cubre el término paraguas mantenimiento proactivo. El predictivo es el más sofisticado y ofrece el mayor retorno, pero requiere infraestructura de datos que no toda organización tiene todavía. En los programas de Mantenimiento Productivo Total (TPM), las técnicas predictivas viven dentro del pilar de mantenimiento planeado, que programa justo esa combinación de estrategias.",[11,153,155],{"id":154},"qué-hace-posible-el-mantenimiento-predictivo","Qué hace posible el mantenimiento predictivo",[157,158,160],"h3",{"id":159},"fuentes-de-datos","Fuentes de datos",[16,162,163],{},"El mantenimiento predictivo vale lo que valen los datos que lo alimentan. Fuentes comunes:",[165,166,167,173,179,185,191],"ul",{},[43,168,169,172],{},[46,170,171],{},"Sensores IoT:"," vibración, temperatura, humedad, presión, consumo de corriente. Dan monitoreo continuo, en tiempo real.",[43,174,175,178],{},[46,176,177],{},"Registros de uso:"," horas de operación, ciclos, kilometraje. Aun sin sensores, saber cuánto se ha usado un activo revela bastante.",[43,180,181,184],{},[46,182,183],{},"Historial de mantenimiento:"," las reparaciones pasadas muestran patrones. Si el sello de una bomba falla cada 14 meses, la siguiente falla probablemente llega cerca de esa marca.",[43,186,187,190],{},[46,188,189],{},"Inspecciones visuales:"," observaciones registradas en rondas de rutina (cambios de ruido, desgaste visible, fugas de fluido).",[43,192,193,196],{},[46,194,195],{},"Datos de desempeño:"," producción a la baja, tasas de error al alza, ciclos más largos: indicadores de que algo se está degradando.",[157,198,200],{"id":199},"métodos-de-análisis","Métodos de análisis",[16,202,203],{},"El análisis va de lo simple a lo sofisticado:",[165,205,206,212,218,224],{},[43,207,208,211],{},[46,209,210],{},"Alertas por umbral."," La forma más simple: \"avíseme cuando la temperatura de este motor pase de 85 °C.\" No es predictivo en sentido estricto, pero es un buen punto de partida.",[43,213,214,217],{},[46,215,216],{},"Análisis de tendencia."," Seguir cómo cambia una medición con el tiempo. Si la vibración sube de forma constante durante 3 meses, se puede extrapolar cuándo llegará al nivel crítico.",[43,219,220,223],{},[46,221,222],{},"Reconocimiento de patrones."," Comparar el comportamiento actual con firmas de falla conocidas: \"las últimas tres veces que este compresor falló, mostró este patrón de vibración 2 semanas antes.\"",[43,225,226,229],{},[46,227,228],{},"Aprendizaje automático."," Algoritmos que aprenden del historial para predecir fallas con precisión creciente.",[16,231,232],{},"No se necesita inteligencia artificial para empezar con mantenimiento predictivo. Incluso el seguimiento básico de tendencia en horas de uso y frecuencia de reparación entrega predicciones accionables.",[11,234,236],{"id":235},"ejemplo-real","Ejemplo real",[16,238,239],{},"Una planta de alimentos operaba 12 líneas de producción, cada una con motores de banda transportadora, máquinas empacadoras y unidades de refrigeración. Su enfoque era mayormente correctivo, con algo de preventivo en el equipo más caro.",[16,241,242],{},"El paro no planeado costaba cerca de US$ 5,000 por hora por línea (producción perdida, insumos echados a perder, hora extra para ponerse al corriente). Durante el año anterior tuvieron 47 fallas no planeadas que sumaron 156 horas de paro: costo total, cerca de US$ 780,000.",[16,244,245],{},"Empezaron sencillo: sensores de vibración en los 20 motores más críticos y registro de horas de uso de todo el equipo principal en su sistema de gestión de activos.",[16,247,248],{},[46,249,250],{},"Resultados después de 12 meses:",[165,252,253,256,259,262,265],{},[43,254,255],{},"Las fallas no planeadas bajaron de 47 a 11 (reducción del 77 %)",[43,257,258],{},"Las horas de paro bajaron de 156 a 28",[43,260,261],{},"Los costos de mantenimiento bajaron un 23 % (menos reparaciones de emergencia a tarifa premium)",[43,263,264],{},"Se detectaron con semanas de anticipación dos fallas potencialmente catastróficas, incluida un compresor de refrigeración que habría echado a perder US$ 120,000 en producto",[43,266,267],{},"Ahorro total: aproximadamente US$ 580,000 en el primer año, contra una inversión de US$ 95,000 en sensores y software",[11,269,271],{"id":270},"cuándo-tiene-sentido-el-mantenimiento-predictivo","Cuándo tiene sentido el mantenimiento predictivo",[16,273,274],{},"El MPd no es el enfoque correcto para todo. Entrega el mayor valor cuando:",[165,276,277,283,289,295,301],{},[43,278,279,282],{},[46,280,281],{},"El paro es caro."," Si una máquina detenida cuesta US$ 1,000 por hora, prevenir una sola falla de 8 horas paga muchos sensores.",[43,284,285,288],{},[46,286,287],{},"La falla es peligrosa."," Equipo crítico de seguridad (elevadores, grúas, recipientes a presión) donde la falla pone en riesgo vidas.",[43,290,291,294],{},[46,292,293],{},"Los activos son caros de reemplazar."," Una CNC de US$ 200,000 merece monitoreo cercano; un ventilador de escritorio de US$ 50 se reemplaza cuando muere.",[43,296,297,300],{},[46,298,299],{},"Los patrones de falla son detectables."," Algunas fallas avisan (desgaste gradual de baleros, temperatura al alza); otras son aleatorias (rayos, fallas electrónicas súbitas). El predictivo funciona para las primeras.",[43,302,303,306],{},[46,304,305],{},"Se tiene, o se puede conseguir, el dato."," Aun sin sensores IoT, historial de mantenimiento y horas de uso ya sostienen predicciones útiles.",[11,308,310],{"id":309},"cómo-empezar-sin-sensores","Cómo empezar sin sensores",[16,312,313],{},"No se necesita una inversión de seis cifras en IoT para empezar. Así se empieza con lo que ya se tiene:",[40,315,316,322,328,334,340],{},[43,317,318,321],{},[46,319,320],{},"Registre el historial con rigor."," Cada reparación, cada repuesto cambiado, cada falla, con fecha y costo. Después de 12 a 18 meses, aparecen los patrones.",[43,323,324,327],{},[46,325,326],{},"Registre métricas de uso."," Horas de operación, ciclos, kilometraje, lo que aplique: el predictor de desgaste más simple.",[43,329,330,333],{},[46,331,332],{},"Calcule los intervalos entre fallas."," Si una bomba falló en los meses 14, 29 y 42, el patrón de ~14 meses queda a la vista: programe el mantenimiento en el mes 12 la próxima vez.",[43,335,336,339],{},[46,337,338],{},"Registre el costo de reparación por activo."," Cuando el costo anual supera el 40–50 % del valor de reposición, es momento de dar de baja el activo, no de predecir su próxima falla.",[43,341,342,345],{},[46,343,344],{},"Instrumente primero los activos críticos."," Empiece por el equipo donde el paro cuesta más, y expanda desde ahí.",[11,347,349],{"id":348},"mantenimiento-predictivo-con-unio24","Mantenimiento predictivo con UNIO24",[16,351,352,356],{},[23,353,355],{"href":354},"/es-419/product/gestion-de-mantenimiento","UNIO24"," ayuda a construir la base del predictivo: da seguimiento al historial de mantenimiento, registra datos de condición del activo, guarda métricas de uso e identifica patrones en frecuencia y costo de reparación. Configure alertas por umbral de uso, revise las tendencias con el tiempo y decida con datos cuándo dar servicio, reparar o reemplazar. Empiece con lo que ya sabe, y avance hacia predicción más sofisticada conforme maduren sus datos.",[358,359],"hr",{},[11,361,363],{"id":362},"preguntas-frecuentes","Preguntas frecuentes",[157,365,367],{"id":366},"cómo-se-diferencia-el-mantenimiento-predictivo-del-mantenimiento-basado-en-condición","¿Cómo se diferencia el mantenimiento predictivo del mantenimiento basado en condición?",[16,369,370,371,375],{},"Están estrechamente relacionados. El mantenimiento basado en condición (CBM) actúa cuando una medición cruza un umbral: \"cambiar el filtro cuando la presión diferencial llegue a X.\" El mantenimiento predictivo va un paso más allá: usa tendencias y patrones para predecir ",[372,373,374],"em",{},"cuándo"," se va a cruzar ese umbral, y con ese dato se planea con más anticipación. En la práctica, los términos suelen usarse indistintamente.",[157,377,379],{"id":378},"cuál-es-el-retorno-típico-del-mantenimiento-predictivo","¿Cuál es el retorno típico del mantenimiento predictivo?",[16,381,382],{},"Los resultados reportados se concentran en una reducción del 25–30 % en costos de mantenimiento, 70–75 % menos fallas y 35–45 % menos horas de paro. El Departamento de Energía de Estados Unidos estima un retorno promedio de 10 a 1 sobre la inversión. Sus resultados variarán según su frecuencia actual de fallas y el costo del paro en su operación.",[157,384,386],{"id":385},"se-necesitan-sensores-iot-caros-para-hacer-mantenimiento-predictivo","¿Se necesitan sensores IoT caros para hacer mantenimiento predictivo?",[16,388,389],{},"No. La forma más simple usa datos que ya se tienen o que se pueden empezar a recolectar fácilmente: bitácoras de mantenimiento, horas de uso y costos de reparación. Analizarlos revela patrones que ayudan a predecir fallas futuras. Los sensores agregan monitoreo en tiempo real, pero son un complemento, no un requisito.",[157,391,393],{"id":392},"qué-activos-priorizar-primero-para-mantenimiento-predictivo","¿Qué activos priorizar primero para mantenimiento predictivo?",[16,395,396],{},"Empiece por sus \"críticos vitales\", los activos donde la falla causa más dolor. Use un criterio simple: (probabilidad de falla) × (costo de la falla, incluido el paro). Los de mayor puntuación reciben predictivo primero: en la mayoría de las organizaciones, eso es equipo de producción, aire acondicionado, vehículos de flotilla e infraestructura de TI.",[157,398,400],{"id":399},"cuánto-tiempo-tarda-el-mantenimiento-predictivo-en-dar-resultados","¿Cuánto tiempo tarda el mantenimiento predictivo en dar resultados?",[16,402,403],{},"Verá algunos resultados en 3 a 6 meses, conforme empiece a detectar problemas antes de que causen fallas. La verdadera fuerza llega después de 12 a 18 meses, cuando ya tiene suficiente historial para identificar patrones confiables de falla. Los sistemas basados en aprendizaje automático mejoran de forma continua: sus predicciones se vuelven más precisas mientras más datos acumulan.",{"title":405,"searchDepth":406,"depth":406,"links":407},"",2,[408,409,410,411,416,417,418,419,420],{"id":13,"depth":406,"text":14},{"id":34,"depth":406,"text":35},{"id":73,"depth":406,"text":74},{"id":154,"depth":406,"text":155,"children":412},[413,415],{"id":159,"depth":414,"text":160},3,{"id":199,"depth":414,"text":200},{"id":235,"depth":406,"text":236},{"id":270,"depth":406,"text":271},{"id":309,"depth":406,"text":310},{"id":348,"depth":406,"text":349},{"id":362,"depth":406,"text":363,"children":421},[422,423,424,425,426],{"id":366,"depth":414,"text":367},{"id":378,"depth":414,"text":379},{"id":385,"depth":414,"text":386},{"id":392,"depth":414,"text":393},{"id":399,"depth":414,"text":400},"Estrategia de mantenimiento que usa análisis de datos, sensores y tendencias históricas para predecir cuándo va a fallar un equipo, de modo que la reparación se programe antes del paro.","md",false,null,"es-419",{"date":433,"author":434,"category":435},"2026-08-12","UNIO24 Team","Mantenimiento",true,"/es-419/glossary/mantenimiento-predictivo",{"title":439,"description":440},"Mantenimiento predictivo: cómo funciona y ejemplos","Cómo el mantenimiento predictivo usa sensores IoT y análisis de datos para anticipar fallas de equipo y programar la reparación antes del paro.",{"loc":437,"lastmod":442},"2026-08-12T21:28:21+03:00","es-419/glossary/mantenimiento-predictivo","glossary/predictive-maintenance","RIvcgMPeNpyVmTQYY55PBW_yCgTS4Vu9RtjxiZjhpuM",[447,448,451,454],{"locale":431,"path":437},{"locale":449,"path":450},"en","/glossary/predictive-maintenance",{"locale":452,"path":453},"pt-br","/pt-br/glossary/manutencao-preditiva",{"locale":82,"path":455},"/tr/glossary/kestirimci-bakim",1787426193338]