Mantenimiento predictivo en edificios: cambiar la pieza antes de que se rompa
El mantenimiento por calendario cambia piezas sanas; el correctivo arregla averías en plena crisis. El predictivo escucha a los equipos y actúa justo antes del fallo: cómo funciona y cuándo compensa.
El mantenimiento de las instalaciones de un edificio se ha hecho históricamente de dos maneras, ambas imperfectas: el preventivo por calendario -cambiar y revisar por fecha, sustituyendo piezas sanas y sin garantía de evitar la avería entre revisiones- y el correctivo -arreglar cuando se rompe, con la parada, la urgencia y el sobrecoste que la avería en servicio siempre trae-. El mantenimiento predictivo es la tercera vía: los datos de los propios equipos dicen cuándo empiezan a fallar, y la intervención llega justo antes del fallo, ni meses antes ni horas después.
Cómo escucha la máquina al equipo
El principio es de medicina aplicada a máquinas: los equipos que van a fallar muestran síntomas medibles antes del fallo -vibración anómala en motores y bombas, temperatura fuera de patrón, consumo eléctrico creciente, ciclos de arranque anormales, calidad del aire degradada en los ventiladores-. Sensores sobre los equipos críticos -o los propios datos que el sistema de gestión del edificio ya recoge- alimentan modelos que conocen el comportamiento normal de cada máquina y detectan la desviación que anuncia el fallo.
La señal que escucha el sistema es la del deterioro temprano: la vibración de la bomba que cambia de firma -el rodamiento que empieza a irse suena antes de griparse-, la temperatura del motor que sube un grado por mes, el consumo del equipo que se desvía de su curva. La analítica de umbrales detecta lo grosero; el modelo entrenado detecta lo fino -el patrón que precede a la avería histórica: la máquina cuenta que va a fallar mucho antes de fallar, y el predictivo es el que escucha-.
La analítica va en dos niveles: el umbral inteligente -la regla que avisa cuando el parámetro sale de rango, útil pero básica- y el modelo predictivo -que aprende la firma del fallo de cada tipo de equipo y estima el tiempo restante de vida útil-. El primero dice la bomba vibra raro; el segundo dice la bomba tiene tres semanas de vida probable. La diferencia entre ambos es la diferencia entre la alarma y el plan.
El resultado operativo es la intervención planificada: el componente se pide con tiempo, la sustitución se agenda en la parada conveniente -no en la crisis del lunes-, y el historial del equipo se enriquece con cada ciclo: la máquina que mejor se conoce es la que menos sorprende.
Dónde compensa: el mapa de equipos y edificios
El mapa de compensación es el filtro económico del proyecto: equipos críticos -el ascensor que atrapa, la caldera que deja sin calefacción el invierno, el grupo de presión sin el que no hay agua-, edificios con servicio continuo -hospital, hotel, data center, residencia- y flotas gestionadas -la empresa de mantenimiento con cientos de equipos iguales aprende de todos para cada uno-. El cuarto de calderas del bloque de vecinos con averías baratas no necesita sensores: necesita su revisión anual -la tecnología sigue al coste del fallo, no al catálogo-.
El predictivo compensa donde la avería cuesta: equipos críticos cuya parada tiene consecuencias -el ascensor del edificio alto, la climatización del hospital o del centro de datos, la bomba del sistema contra incendios, la caldera central en enero- y edificios con parque de equipos suficiente para que las estadísticas trabajen. El coste de instrumentar -sensores, conectividad, plataforma- se amortiza con las primeras averías evitadas en esos escenarios.
En el edificio residencial comunitario, el camino de entrada es más modesto y muy viable: los ascensores -que ya se venden con monitorización del fabricante de serie o como opción- son el caso escolar del predictivo residencial, y las salas de calderas centrales y los grupos de presión les siguen. La comunidad de vecinos que conoce el estado real de su ascensor -número de viajes, fallos incipientes, vida de los componentes- negocia su contrato de mantenimiento con datos, y eso cambia la conversación.
La implantación realista: de la alarma al plan
La implantación por fases es la que llega a producción: inventario de equipos críticos -qué duele más cuando falla-, instrumentación de ese núcleo -sensores y conexión de lo que ya tiene el BMS-, meses de aprendizaje de la línea base -la máquina debe conocer lo normal para detectar lo anómalo- y entonces las alertas con su protocolo. El proyecto que empieza sensorizando todo muere de datos sin contexto: el que empieza por los cinco equipos que importan, vive y crece.
La implantación que funciona empieza por el inventario de criticidad: qué equipos cuestan más cuando fallan -en dinero, en servicio, en seguridad- y qué datos de ellos ya existen -los sistemas modernos de climatización, ascensores y grupos electrógenos ya generan telemetría de fábrica que casi nadie consulta-. Aprovechar los datos que ya se producen es el paso cero gratis; instrumentar lo que no emite nada, el primer gasto a presupuestar.
La organización es como siempre la mitad del sistema: la alerta predictiva necesita un dueño -quién la recibe, quién decide, quién agenda la intervención- y un circuito con el mantenimiento que lo ejecuta. La plataforma que avisa de la avería inminente a un buzón que nadie lee ha convertido la predicción en arqueología: saber que iba a fallar después de que falle.
La conclusión: el mantenimiento predictivo es la aplicación de IA con el retorno más fácil de contar -una avería crítica evitada paga meses de plataforma- y la implantación más dependiente de los datos: sin telemetría no hay predicción. El camino es escalonado y seguro: empezar por los equipos cuya avería duele, usar los datos que ya existen, darle dueño a cada alerta. La máquina que avisa antes de romperse es la máquina que nunca deja tirado.
La aplicación de la IA con retorno más directo en la gestión de edificios, sí - con su matiz: no es magia, es estadística aplicada a la física del desgaste. La avería evitada es el evento que no aparece en ningún informe -y sin embargo es el argumento: menos paradas de servicio, reparaciones planificadas con repuesto y horario, y la vida del equipo alargada por intervenciones a tiempo. El mantenimiento predictivo convierte la máquina de romperse en máquina de cuidarse -y la diferencia se cobra en tranquilidad y en euros-.
Licencia.ai Entrar en Licencia.ai
Más en IA y tecnología
IA para redactar ofertas de licitación: cómo ganar tiempo sin perder el pliego (ni la empresa)
IA para leer pliegos: cómo analizar quinientas páginas de condiciones en una tarde sin tragarse una cláusula
