¡Noviembre está lleno! Las próximas clases despegan la semana del lunes 7 de diciembre.

Reserva tu lugar
Mantenimiento predictivo: cómo avisa una máquina que falla
Tabla de contenido

Mantenimiento predictivo: cómo avisa una máquina que falla

Mantenimiento predictivo explicado bien: por qué un rodamiento dañado suena a una frecuencia calculable, qué aporta la IA y qué datos gratis puedes usar.

Un rodamiento que empieza a fallar hace un sonido a una frecuencia específica y calculable. No un ruido raro cualquiera. Un ritmo que puedes calcular de antemano con la cantidad de bolas que tiene dentro, su diámetro, el diámetro del anillo sobre el que corren y la velocidad a la que gira el eje. Cada vez que una bola rueda sobre el punto dañado produce un impacto, y esos impactos llegan a ese ritmo. Explicarle el mantenimiento predictivo a un niño empieza justo ahí, porque una vez que entiende que la queja de una máquina tiene frecuencia, el resto del campo se acomoda solo.

Puntos clave

  • El mantenimiento predictivo significa actuar según la condición de una máquina y no según el calendario. La señal es un cambio respecto a una línea base conocida.
  • Un rodamiento dañado genera impactos a una frecuencia determinada por su geometría y la velocidad del eje, y por eso los ingenieros buscan energía en frecuencias específicas y no simplemente “más ruido”.
  • Hay cuatro modalidades principales: vibración, termografía, análisis de aceite para partículas de desgaste, y ultrasonido o emisión acústica. Cada una ve un modo de falla distinto.
  • El aprendizaje automático no reemplaza la física. Aprende un rango normal, marca la desviación y estima la vida útil restante, lo que exige haber observado fallas antes.
  • El Centro de Pronósticos de la NASA publica datos gratuitos de equipos llevados hasta la falla, incluidos experimentos de rodamientos de la Universidad de Cincinnati y simulaciones de degradación de turbofán.

Tres formas de mantener cualquier cosa

Reactivo. Úsalo hasta que se rompa y después arréglalo. Es el más barato en planeación y el más caro en consecuencias: paro no programado, daño colateral, mano de obra de emergencia. Apropiado para un foco de US$2. Inapropiado para la única bomba de un edificio.

Preventivo. Cambiar o dar servicio en un calendario fijo, sin importar la condición. Es el cambio de aceite de tu carro. Previene la mayoría de las fallas, desperdicia vida útil de componentes que estaban bien, y además puede introducir fallas, porque cada vez que abres una máquina corres el riesgo de armarla un poco mal.

Predictivo. Medir algo que se correlacione con la salud del equipo, verlo en el tiempo e intervenir cuando la tendencia lo diga. Más sensores, más análisis y cero vida útil desperdiciada.

Casi todas las operaciones reales usan las tres a la vez, según la consecuencia. La pregunta interesante nunca es “cuál es mejor” sino “cuál merece este componente”.

Por qué un rodamiento que falla tiene frecuencia

Este es el mecanismo que vale entender bien, porque casi todas las explicaciones populares se lo saltan.

Un rodamiento de elementos rodantes tiene un anillo exterior, un anillo interior y un conjunto de bolas o rodillos entre los dos, sostenidos por una jaula. Cuando una zona chica del anillo exterior se descascara —se levanta una hojuela de metal—, una bola que rueda sobre ese punto produce un impacto corto y seco. La siguiente bola produce otro.

¿Cada cuánto? Eso depende de cada cuánto pasa una bola por un punto fijo del anillo exterior, lo que está determinado por la cantidad de bolas, su diámetro, el diámetro del círculo que recorren, el ángulo de contacto y la velocidad de giro del eje. Todo eso se conoce por el número de parte del rodamiento. Así que el ritmo de los impactos se puede calcular antes de que algo se rompa.

Ese es todo el truco. Un ingeniero que monitorea una máquina no está escuchando “un ruido feo”. Está calculando un puñado de frecuencias de defecto esperadas para cada rodamiento y después vigilando si aparece energía en esas frecuencias específicas dentro del espectro de vibración. Un aumento en la frecuencia del anillo exterior dice anillo exterior. Un aumento en la del anillo interior dice anillo interior. Números distintos significan piezas distintas.

La misma lógica aplica a los dientes de un engranaje, que producen una frecuencia de engrane, y a las fallas de motores eléctricos, que aparecen como bandas laterales alrededor de la frecuencia de la red.

Qué ve en realidad cada método

MétodoQué mideFallas que detecta tempranoDónde es débil
Análisis de vibraciónAceleración, velocidad o desplazamiento en el tiempo, convertido a espectro de frecuenciaDescascarado de rodamientos, desbalance, desalineación, daño de dientes, holguraNecesita buen montaje del sensor y línea base; las máquinas lentas son difíciles
TermografíaTemperatura superficial por emisión infrarrojaConexiones eléctricas flojas, motores sobrecargados, fricción, pérdida de aislamientoSolo ve superficies; la emisividad y los reflejos causan errores
Análisis de aceitePartículas de desgaste, viscosidad, agua y agotamiento de aditivosDesgaste metal contra metal mucho antes de que haya ruidoExige disciplina de muestreo y laboratorio
Ultrasonido o emisión acústicaSonido de alta frecuencia por fricción, fugas y descargas eléctricasFalta de lubricación temprana, fugas de aire y vapor, descarga parcialMuy direccional; el ruido de fondo interfiere
Firma de corriente del motorCorriente eléctrica consumida, analizada por contenido de frecuenciaDaño en barras del rotor, cambios de carga mecánica, algunas fallas de rodamientoEs indirecto; necesita línea base eléctrica conocida

El punto de juntarlos en una tabla es que ningún método ve todo. Una planta que solo hace vibración se pierde una conexión eléctrica calentándose. Una planta que solo hace termografía se pierde un rodamiento que está seco pero todavía no caliente.

Dónde entra de verdad el aprendizaje automático

Sería fácil decir “la IA predice fallas”, y esa frase esconde la única parte interesante.

Lo que normalmente hace un modelo es una de dos tareas. La primera es detección de anomalías: aprender cómo se ve el espectro de esta máquina cuando está sana, en un rango de cargas y temperaturas, y después marcar cuando la lectura de hoy cae fuera de ese rango. Eso necesita mucho dato sano y ningún ejemplo de falla, lo cual es conveniente porque dato sano es lo que toda fábrica tiene.

La segunda tarea es estimar la vida útil restante. Dada la trayectoria de degradación hasta ahora, ¿cuántas horas de operación quedan antes de que este componente cruce un umbral de falla? Eso necesita ejemplos de componentes que de verdad llegaron hasta la falla, lo cual es caro y escaso, y es exactamente la razón por la que importan los datos públicos.

El Centro de Pronósticos de la NASA mantiene un repositorio gratuito con precisamente eso: series de tiempo que siguen a un sistema desde un estado nominal hasta un estado de falla. Su colección incluye experimentos de rodamientos llevados a la falla donados por el Centro de Sistemas Inteligentes de Mantenimiento de la Universidad de Cincinnati, simulaciones de degradación de motores turbofán hechas con el simulador C-MAPSS bajo distintas condiciones y modos de falla, experimentos de impedancia de baterías de litio a distintas temperaturas de carga y descarga, y desgaste de insertos de fresado a distintas velocidades y profundidades de corte. La NASA aclara sin rodeos que los usuarios emplean los datos a su propio riesgo.

Dos límites honestos. Primero, un modelo que nunca vio un modo de falla no lo puede predecir; solo puede notar que algo está raro. Segundo, todo umbral de alarma intercambia falsas alarmas por fallas no detectadas, y ese intercambio no tiene salida gratis. Schönherr y sus colegas demostraron la misma aritmética en otro dominio en 2020, encontrando cientos de activaciones accidentales en 11 bocinas inteligentes de 8 fabricantes porque los umbrales de detección estaban calibrados hacia la sensibilidad. Una alarma de mantenimiento calibrada igual manda técnicos a máquinas sanas hasta que dejan de creerle.

Y algo más que vale decir: los porcentajes espectaculares de ahorro que circulan en el marketing de mantenimiento predictivo casi siempre vienen de material de proveedores y no de medición revisada por pares. El argumento de ingeniería es sólido. El porcentaje específico de cualquier presentación probablemente no lo es, y este artículo no va a repetir ninguno.

Cómo enseñarle esto a tu hijo

De 5 a 8 años

Recorran la casa escuchando cosas que funcionan: el refrigerador, un ventilador, la lavadora, la rueda de una bicicleta girada con la mano. Para cada una, pídele que describa el sonido con palabras y después que prediga cómo sonaría si estuviera dañada. Vuelvan a escuchar un mes después. Le estás enseñando la idea de línea base, que es toda la base del asunto.

De 9 a 12 años

Gira la rueda de una bicicleta y escuchen. Ahora pega una moneda a un rayo y gírenla otra vez. La rueda quedó desbalanceada, y la vibración llega una vez por revolución, que él puede sentir en el cuadro y contar. Pega una segunda moneda del lado opuesto y el desbalance casi se cancela. Acaba de producir, diagnosticar y corregir una falla de una vez por revolución, que es la falla de máquina más común del mundo.

De 13 en adelante

Descarga uno de los conjuntos de rodamientos llevados a la falla de la Universidad de Cincinnati desde el repositorio de la NASA y grafica una estadística simple en el tiempo: el valor eficaz de la señal de vibración, o su curtosis, que mide qué tan puntiaguda es una señal. Las dos suben a medida que el rodamiento se degrada. Después hazle la pregunta difícil: en qué punto de esa curva habría pedido el reemplazo, y qué le compró esperar más. Nuestra guía para construir un sensor que vigile una sola cosa es el calentamiento correcto, porque un sensor hecho a mano vuelve concretos los datos.

La pregunta que debes hacer: “Si esta máquina suena exactamente igual que ayer, ¿está sana?”

La respuesta correcta es “no necesariamente, porque algunas fallas no cambian el sonido”. La contaminación del aceite, la degradación del aislamiento y el calentamiento de una conexión eléctrica son silenciosos. Una buena respuesta nombra otro sentido.

¿Y en América Latina?

Acá la lógica económica se invierte, y a favor del mantenimiento predictivo.

En Estados Unidos el argumento suele ser el ahorro de mano de obra. En México, Colombia, Perú o Argentina la mano de obra de mantenimiento cuesta menos, así que ese argumento se debilita. Pero hay otro que pesa mucho más: el repuesto. Un rodamiento especial, una tarjeta de control o un servomotor importado puede tardar semanas en llegar y pagar arancel y flete en el camino. Eso significa que el costo de una falla sorpresa en una planta de la región no es principalmente la reparación: es el paro mientras el repuesto cruza una aduana. Y ese es exactamente el costo que el mantenimiento predictivo evita, porque te avisa con semanas de anticipación, que es justo el tiempo que tarda el repuesto. Visto así, la región tiene más incentivo para hacerlo bien, no menos.

Segundo, la edad del equipo. Muchas plantas de la región operan maquinaria importada que ya pasó su vida de diseño, o equipos de segunda mano traídos de Europa o Estados Unidos. Ese equipo viejo no trae telemetría del fabricante ni servicio de monitoreo incluido. La ruta realista no es comprar una plataforma de analítica: es montar sensores de retrofit —un acelerómetro, un termopar, un medidor de corriente— y llevar una línea base propia. Es el mismo proyecto que un adolescente puede empezar en casa.

Tercero, la calidad de la energía. En varias zonas de la región las variaciones de voltaje, los armónicos y los cortes dañan motores y variadores de forma acumulativa. Eso hace que la termografía de tableros y la firma de corriente del motor sean más rentables acá que en un país con red muy estable. Si vas a elegir una sola técnica para empezar en una planta latinoamericana, la cámara termográfica en el tablero eléctrico suele dar resultados antes que el análisis de vibración.

Cuarto, la ruta de certificación existe y es internacional. Las certificaciones por niveles de analista de vibraciones y de termografía son reconocidas fuera del país que las emite, lo que convierte esta habilidad en una de las pocas que viaja bien: un técnico certificado en Monterrey puede trabajar en Houston o en Santiago con el mismo papel. Eso vale decirlo a un hijo que está eligiendo entre un oficio local y una carrera larga.

Qué hacer en casa

Lleva una línea base de tres máquinas de la casa

El carro, la lavadora, el calentador. Escribe una frase al mes: ruidos raros, dónde, bajo qué condición. Cuando algo cambie, vas a saber que cambió, que es más de lo que puede decir la mayoría de las casas. El cambio respecto a la línea base es la señal; el valor absoluto casi nunca lo es.

Usa tu celular como sensor de vibración rudimentario

Casi todos los celulares tienen acelerómetro y hay apps gratuitas que grafican su salida. Pega el celular a la lavadora durante el centrifugado y mira la traza. Vas a ver con claridad la componente de una vez por revolución. Es genuinamente la misma medición que hace un sensor industrial, con menos calidad.

Enseña la diferencia entre síntoma y causa

Un rodamiento caliente es un síntoma. La causa puede ser falta de lubricación, desalineación, sobrecarga o un sello que falla. Cambiar el rodamiento sin encontrar la causa te regala la misma falla en cuatro meses. Los niños son buenos naturalmente para las cadenas de “por qué” y este es un lugar satisfactorio para usar una.

Muéstrale los datos ocupacionales a un adolescente interesado

En Estados Unidos las ocupaciones de instalación, mantenimiento y reparación se proyectan creciendo más rápido que el promedio de 2025 a 2035, con unas 569,000 vacantes anuales. Los mecánicos de maquinaria industrial y millwrights tuvieron una mediana de US$64,100 en 2025; los técnicos de calibración, US$67,820. Mientras tanto las ocupaciones de producción se proyectan sin cambio, con los ensambladores en US$45,450. El desarrollo completo está en los empleos de fábrica que de verdad existen en 2026.

Conéctalo con los robots

El Digit 5 de Agility Robotics, cubierto por IEEE Spectrum el 15 de septiembre de 2026, se vende con un modelo de servicio estimado en unos US$8,500 al mes. Esa línea de servicio es mantenimiento predictivo como modelo de negocio: alguien está monitoreando actuadores, rodamientos y baterías e interviniendo antes de que un robot detenga una línea.

Lo que no debes hacer

No dejes que un niño concluya que más sensores siempre es mejor. Un sensor que nadie mira, o uno con un umbral tan suelto que todas sus alarmas se ignoran, es peor que no tener sensor, porque crea confianza sin información.

Qué observar en los próximos 3 meses

  • Semana 4: Arranca la bitácora de línea base. Una frase por máquina. El valor está por completo en tener el registro anterior con el que comparar, así que el mes uno se siente inútil y el mes seis no.
  • Señales de alerta en el mes 2: Un ruido nuevo que aparece con la carga y no al azar. Un olor a caliente cerca de un motor. Un charco que no estaba. Los tres son indicadores tempranos clásicos, y los tres se notan y después se olvidan.
  • Autoevaluación del mes 3: ¿Alguien actuó sobre algo antes de que fallara? Apretó una banda, rellenó aceite, llamó a un técnico por un ruido. Esa es la conducta que toda la disciplina existe para producir, y vale igual para una lavadora que para una turbina.

Preguntas frecuentes

¿Qué es el mantenimiento predictivo en palabras simples?

Arreglar algo según su condición medida y no según un calendario ni después de que se rompe. Vigilas una señal que sigue la salud del equipo, como vibración o temperatura, y actúas cuando se aleja de su línea base normal.

¿Cómo puede un sensor saber que un rodamiento va a fallar?

Porque un rodamiento dañado produce impactos a una frecuencia fijada por su geometría y la velocidad del eje. La cantidad de bolas, su diámetro, el diámetro del anillo, el ángulo de contacto y la velocidad de giro determinan cada cuánto pasa una bola por el defecto.

¿El mantenimiento predictivo necesita inteligencia artificial?

No. El análisis de vibración es décadas anterior al aprendizaje automático y funciona con física y análisis de frecuencia. Los modelos ayudan a detectar anomalías en flotas grandes y a estimar vida útil restante, pero necesitan ejemplos de fallas reales, y por eso importan los datos públicos de la NASA.

¿Podemos probarlo en casa?

Sí, a un nivel básico. Pega un celular a la lavadora durante el centrifugado y grafica la traza del acelerómetro, o gira una rueda de bicicleta con una moneda pegada a un rayo para crear y después cancelar un desbalance. Los dos reproducen la medición real.

¿Es una buena carrera para mi hijo?

Los datos ocupacionales son alentadores. En Estados Unidos el trabajo de instalación, mantenimiento y reparación se proyecta creciendo más rápido que el promedio hasta 2035, con unas 569,000 vacantes anuales y medianas de US$64,100 a US$67,820. Y en la región la entrada suele ser por carrera técnica de dos o tres años, con certificaciones de analista que se reconocen en otros países.


Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.


Fuentes

  1. NASA. “Prognostics Center of Excellence Data Set Repository.” NASA Intelligent Systems Division. https://www.nasa.gov/intelligent-systems-division/discovery-and-systems-health/pcoe/pcoe-data-set-repository/
  2. U.S. Bureau of Labor Statistics. “Installation, Maintenance, and Repair Occupations.” Occupational Outlook Handbook, modificado el 27 de agosto de 2026. https://www.bls.gov/ooh/installation-maintenance-and-repair/home.htm
  3. U.S. Bureau of Labor Statistics. “Production Occupations.” Occupational Outlook Handbook, modificado el 27 de agosto de 2026. https://www.bls.gov/ooh/production/home.htm
  4. U.S. Bureau of Labor Statistics. “Industries at a Glance: Manufacturing (NAICS 31-33).” Datos de referencia septiembre de 2026. BLS. https://www.bls.gov/iag/tgs/iag31-33.htm
  5. IEEE Spectrum. (2026, 15 de septiembre). “Digit 5 May Be the First Humanoid Robot Worker That’s Truly Safe.” IEEE Spectrum. https://spectrum.ieee.org/humanoid-robot-safety
  6. Schönherr, L., Golla, M., Eisenhofer, T., Wiele, J., Kolossa, D., y Holz, T. (2020). “Unacceptable, where is my privacy? Exploring Accidental Triggers of Smart Speakers.” arXiv:2008.00508. https://arxiv.org/abs/2008.00508
Ricky Flores
Escrito por Ricky Flores

Fundador de HiWave Makers e ingeniero eléctrico con más de 15 años trabajando en proyectos con Apple, Samsung, Texas Instruments y otras empresas Fortune 500. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo impulsado por la tecnología.