See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/376184277

Aplicación de las herramientas de la industria 4.0 para mejorar los procesos de

Análisis Causa Raíz (RCA) y el Mantenimiento Centrado en Confiablidad (RCM)

Technical Report · December 2023

DOI: 10.13140/RG.2.2.13451.67360

CITATIONS READS

0 973

6 authors, including:

Kevin Sánchez Guajardo Carlos Parra

Universidad Técnica Federico Santa María Universidad Técnica Federico Santa María
2 PUBLICATIONS 0 CITATIONS 262 PUBLICATIONS 774 CITATIONS

SEE PROFILE SEE PROFILE

All content following this page was uploaded by Carlos Parra on 03 December 2023.

The user has requested enhancement of the downloaded file.

 Aplicación de las herramientas de la industria 4.0 para mejorar los procesos de
Análisis Causa Raíz (RCA) y el Mantenimiento Centrado en Confiablidad (RCM)

Autores:
R. Castro1, N. Herrera2, L. Quezada3, K. Sánchez4, C. Silva5

Profesor:
Carlos Parra
carlos.parram@usm.cl

1 Universidad Técnica Federico Santa María, Chile, ramon.castro@usm.cl

2 Universidad Técnica Federico Santa María, Chile, nicolas.herreraga@usm.cl
3 Universidad Técnica Federico Santa María, Chile, lukas.quezada@usm.cl
4 Universidad Técnica Federico Santa María, Chile, kevin.sanchez@usm.cl
5 Universidad Técnica Federico Santa María, Chile, camilo.silvad@usm.cl

www.usm.cl

27 de Noviembre 2023

1
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
Resumen. La Industria 4.0 es un fenómeno global que genera una gran cantidad de información, desde
diferentes perspectivas. La investigación actual se centra en los pasos teóricos para implementar la
Industria 4.0 y los beneficios potenciales de su uso. También tiene en cuenta los caminos de desarrollo
seguidos por la industria para alcanzar la aplicabilidad real de las herramientas de la Industria 4.0. Las
tecnologías del mantenimiento 4.0, como la inteligencia artificial, el aprendizaje automático, la realidad
aumentada y el gemelo digital, ofrecen a las empresas una serie de oportunidades para mejorar la
productividad y la confiabilidad de sus activos. Estas tecnologías pueden utilizarse para automatizar
tareas de mantenimiento, como el análisis de datos, la detección de fallos y la planificación de
intervenciones. También pueden utilizarse para proporcionar asistencia remota a los técnicos de
mantenimiento y para mejorar la seguridad en las tareas de mantenimiento. El RCM se utiliza para
planificar el mantenimiento de los activos en función de su impacto en la confiabilidad. Las tecnologías
del mantenimiento 4.0 pueden utilizarse para recopilar datos de los activos, analizar estos datos y generar
modelos que ayuden a planificar el mantenimiento de forma proactiva. Mientras que el RCA se utiliza
para identificar las causas raíz de los fallos. Las tecnologías del mantenimiento 4.0 pueden utilizarse para
recopilar datos de los activos, analizar estos datos y generar modelos que ayuden a identificar las causas
raíz de los fallos, siendo las herramientas del mantenimiento 4.0 una alternativa fuerte para reducir los
costes del mantenimiento, a mejorar la seguridad y a aumentar la disponibilidad de los activos.
Palabras Claves: Gestión de Activos, Recopilación de datos, Mantenimiento 4.0, Tecnologías 4.0, RCM,
RCA, Aprendizaje automático, Inteligencia Artificial.

I. Introducción
En la era actual de la Industria 4.0, la integración de tecnologías avanzadas está redefiniendo los
paradigmas industriales, ofreciendo oportunidades sin precedentes para mejorar la eficiencia y la
confiabilidad de los procesos. Este informe se adentra en la convergencia de la Industria 4.0 con dos
elementos fundamentales: el Análisis de Causa Raíz (RCA) y el Mantenimiento Centrado en Confiabilidad
(RCM).
El RCA, esencial para identificar las causas fundamentales de los problemas operativos, se fusiona con
el RCM, que busca maximizar la disponibilidad y prolongar la vida útil de los activos. La simbiosis de estas
disciplinas con las herramientas de la Industria 4.0 ofrece un terreno fértil para la mejora continua y la
toma de decisiones informada.
A lo largo de este informe, exploraremos cómo la aplicación estratégica de herramientas como sensores
inteligentes, análisis de datos avanzado e inteligencia artificial puede potenciar significativamente las
capacidades del RCA y el RCM. Desde la rápida identificación de problemas hasta la optimización de los
programas de mantenimiento, examinaremos estudios de caso, prácticas destacadas y desafíos
inherentes a esta convergencia.

2
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
En el contexto de un panorama industrial dinámico, este informe pretende arrojar luz sobre cómo la
Industria 4.0 puede ser una fuerza impulsora para la excelencia operativa en el análisis de causa raíz y
el mantenimiento centrado en confiabilidad. Al sumergirnos en esta intersección de tecnología y prácticas
avanzadas, buscamos proporcionar una visión clara de cómo estas innovaciones pueden transformar
positivamente la gestión de procesos industriales.

II. El término Industria 4.0

El término "Industria 4.0", introducido por primera vez por Siemens en la Exposición de Hannover
en 2011, se refiere a la cuarta revolución industrial, y representa hoy un fenómeno, que está
evolucionando continuamente, el término “Industria 4.0”, es descrito como el proceso que traerá a
las industrias manufactureras a una realidad completamente automatizada e interconectada. La
Industria 4.0 se considera la última evolución de la industria desde su nacimiento:
• A mediados de la centuria de 1700, el motor de vapor permite implementar nuevos sistemas
capaces de mejorar y mecanizar la productividad de los procesos comunes. Esta es la
primera revolución industrial.
• A partir de 1870, gracias a una utilización más difundida de la electricidad; nace el concepto
de producción en masa. Al mismo tiempo, comienza la utilización del motor de combustión.
• Alrededor de los años de 1970 tuvo lugar el inicio de la era digital. El objetivo es aumentar
el nivel de automatización, hacia la explotación de la tecnología de la información.
• La cuarta y última revolución industrial se basa en las tecnologías disponibles en la
actualidad; todavía no tiene un día de inicio preciso oficial, porque su desarrollo todavía está
en progreso.
Los orígenes de esta revolución deben buscarse en el escenario de hoy, caracterizado por un uso
creciente de las tecnologías de la información que pueden cambiar radicalmente el enfoque hacia la
innovación, reduciendo el tiempo necesario para alcanzar los objetivos de calidad y rendimiento. Además
de eso, el mercado está influenciado por una fuerte competencia que aumentó significativamente en todos
los sectores industriales, creando las circunstancias adecuadas para una disminución de precios y
aumento de la calidad. Otro fenómeno interesante está relacionado con la reducción de ciclo de vida del
producto, impulsado por la necesidad de reaccionar con rapidez y responder a las necesidades del
mercado para mantener el ritmo de los competidores y evitar pérdidas en cuota de mercado. Obviamente,
el diseño del producto y la fabricación están cambiando junto con ella, dando importancia no solo a la
calidad, sino también a la flexibilidad, pensada como la capacidad de reaccionar, la resiliencia y la
personalización del producto. (Lee, Lapira, Yang, & Kao, 2013). (Koç, Lee, Ni, & Bandyopadhyay, 2016).

3
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
Estas nuevas condiciones obligaron a los principales países manufactureros a
implementar un esfuerzo económico para apoyar a las empresas nacionales a desarrollar estrategias de
renovación. En particular, Alemania, en 2012, desarrolló una iniciativa estratégica gubernamental
(Industrie 4.0) para establecer la posición del país como líder en el proveedor de soluciones de fabricación
avanzada del mercado mundial; posteriormente, el gobierno de EE.UU., presentó una asociación, llamada
Manufacturing USA, con las principales empresas de ICT para mejorar el proyecto de investigación en el
área de fabricación inteligente. Lo mismo sucedió en Francia, con el "Industrie du Futur", China con
"Hecho en China 2025", Japón con "Iniciativa de la cadena de valor industrial", Inglaterra, India y otros.
Recientemente (2016) también, Italia ha preparado un conjunto de inversión gubernamental para mejorar
la investigación el desarrollo y la creación de emprendimientos y la creación de competencias en las
universidades (Piano Nazionale Industria 4.0, 2016).
Hoy estamos al comienzo de la cuarta revolución industrial que tiene como objetivo a nivel mundial
relacionar la producción automatizada con la conectividad: esto se logra a través de la utilización
herramientas tales como Internet de las Cosas (IoT), un entorno donde las máquinas están habilitadas
para generar y transmitir de forma independiente datos a un servidor para operaciones, como respaldo,
informes, diagnóstico, análisis comparativo, asignación de roles, etc. Otro paso importante se realiza con
las tecnologías para la integración del sistema y la creación del Sistema Físico Cibernético (CPS),
identificado como una interconexión de la máquina física y su contraparte digital, donde las actividades
operativas se pueden ejecutar en paralelo o en diferentes escalas de tiempo, proporcionando información
crucial sobre el comportamiento y el contexto (US National Science Foundation, Cyber-Physical
Systems); las máquinas inteligentes, los sistemas logísticos y las plantas de producción pueden
considerarse CPS. Se pueden usar todas estas herramientas para desarrollar la Industria 4.0 e integrar
la automatización con la conectividad en la industria manufacturera, para crear un negocio flexible y
optimizado.

III. Análisis causa raíz (RCA)

El Análisis de Causa Raíz (RCA) es una metodología sistemática utilizada para identificar las causas
fundamentales de problemas o eventos no deseados en un proceso o sistema. Su objetivo principal es
eliminar o mitigar estas causas para evitar la recurrencia de problemas similares. Aquí se detallan los
principios clave del RCA:
1. Identificación del Problema:
• Inicia con la definición clara y específica del problema o evento de falla no deseado.
• Establece criterios para determinar cuándo el problema ha ocurrido y cuándo se ha resuelto.

2. Formación del Equipo de RCA:

4
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 • Reúne a un equipo multidisciplinario con conocimientos relevantes sobre
el proceso o sistema afectado. También se puede incluir un facilitador de la metodología.
• Fomenta la diversidad de perspectivas para abordar el problema de manera integral. La idea es
que esté presente un técnico, programador, representante de operaciones, gerencia, ingeniería de
proyectos, etc.
3. Recopilación de Datos:
• Recopila información sobre el evento, incluyendo datos cuantitativos y cualitativos; así como
también históricos de fallas.
• Utiliza fuentes como registros, informes, testimonios y datos de monitoreo. Se suele utilizar
softwares como SAP para este paso.
4. Construcción de un Diagrama de Árbol de Causas:
• Desarrolla un diagrama que visualice las relaciones causales entre eventos y sus causas.
• Identifica las causas inmediatas, subyacentes y fundamentales.
5. Análisis de Causas:
• Examina cada causa identificada para comprender cómo contribuyó al problema. Algunas de las
causales puede ser por falla humana, latente o físicas.
• Utiliza técnicas como el análisis de cinco porqués para profundizar en las capas causales.
6. Determinación de Causas Principales:
• Identifica las causas principales que, si se abordan, tendrán el mayor impacto en la resolución del
problema.
• Prioriza las acciones correctivas basándose en la importancia de las causas.
7. Desarrollo de Acciones Correctivas:
• Propone medidas correctivas específicas para abordar cada causa principal.
• Asegura que las acciones sean prácticas, efectivas y se centren en la prevención de futuros
eventos no deseados.
8. Implementación de Acciones Correctivas:
• Pone en práctica las acciones correctivas y realiza un seguimiento para garantizar su efectividad.
• Comunica los cambios a todos los interesados relevantes.

9. Monitoreo y Evaluación Continua:

5
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 • Establece un sistema de monitoreo para evaluar la eficacia de las
acciones correctivas a lo largo del tiempo.
• Realiza revisiones periódicas para ajustar las estrategias según sea necesario.
10. Documentación y Retroalimentación:
• Documenta todo el proceso de RCA, incluyendo hallazgos, acciones tomadas y resultados.
• Utiliza los aprendizajes para mejorar continuamente los procesos y fortalecer la capacidad de
respuesta ante eventos futuros.

IV. Mantenimiento Centrado en Confiabilidad (RCM)

El Mantenimiento Centrado en Confiabilidad (RCM) es una metodología que se centra en optimizar las
estrategias de mantenimiento para garantizar la confiabilidad, la disponibilidad operativa y la seguridad
de los activos industriales. A continuación, se detallan los principios fundamentales del RCM:
1. Enfoque en la Función y Desempeño del Activo:
• Identifica las funciones críticas que los activos deben cumplir para respaldar los objetivos
operativos.
• Evalúa cómo el desempeño de cada activo contribuye al logro de los objetivos del sistema.
2. Identificación de Modos de Falla:
• Enumera y analiza todos los modos de falla posibles que podrían afectar la capacidad de un activo
para cumplir sus funciones críticas.
• Diferencia entre modos de falla funcionales y fallas físicas.
3. Evaluación de Consecuencias de Falla:
• Examina las consecuencias de cada modo de falla en términos de seguridad, medio ambiente,
operaciones y costos.
• Clasifica los modos de falla según su impacto y gravedad.

4. Determinación de Estrategias de Mantenimiento:

6
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 • Selecciona estrategias de mantenimiento específicas para abordar cada
modo de falla identificado.
• Las estrategias pueden incluir mantenimiento preventivo, predictivo, detectivo, o acciones de
monitoreo.
5. Desarrollo de Tareas de Mantenimiento:
• Define tareas de mantenimiento específicas para implementar las estrategias seleccionadas.
• Establece la frecuencia y los métodos de ejecución para cada tarea.
6. Priorización de Activos y Sistemas:
• Clasifica los activos y sistemas en función de su importancia relativa para el logro de los objetivos
operativos.
• Enfoca los esfuerzos de mantenimiento en los activos críticos para maximizar la confiabilidad del
sistema.
7. Integración del RCM con Otros Procesos de Gestión:
• Asegura la integración del RCM con otras prácticas de gestión, como la gestión de activos y la
planificación estratégica.
• Garantiza la coherencia y alineación con los objetivos organizativos más amplios.
8. Monitoreo y Mejora Continua:
• Establece un sistema de monitoreo para evaluar la eficacia de las estrategias de mantenimiento
implementadas.
• Realiza revisiones periódicas para ajustar las estrategias en función de cambios en el entorno
operativo o nuevas lecciones aprendidas.
9. Enfoque Basado en Datos y Resultados:
• Utiliza datos de desempeño y resultados de mantenimiento para informar decisiones futuras.
• Se centra en la mejora continua a través del análisis de datos y la retroalimentación.
10. Enfoque Proactivo y Predictivo:
• Anticipa y aborda problemas potenciales antes de que afecten significativamente la confiabilidad y
la disponibilidad operativa.
• Incorpora herramientas de monitoreo y análisis predictivo para prever fallas y programar
intervenciones de mantenimiento de manera proactiva.

V. Características de la Industria 4.0

7
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
Desde el plan gubernamental de los diferentes países, mencionados
anteriormente, y especialmente del informe de Research International Group, la imagen de la Industria
4.0 es muy diversa y presenta diferentes puntos de vista y estrategias para manejar de una manera
adecuada los cambios de la revolución industrial; pero todos tienen algunos puntos comunes, que se
presentan aquí como las principales características de la Industria 4.0, relacionadas con la cantidad de
trabajo necesario para desarrollar mejoras de un proceso de producción tradicional.
Redes verticales del sistema productivo inteligente: los CPS son diseñados para reaccionar rápidamente
a los cambios de solicitud del cliente, el nivel de stock, los defectos de producción y frente a cualquier
problema general. Las Fábricas Inteligentes se gestionan de forma autónoma y generan un ajuste de
producción a las solicitudes de los clientes: esto es posible solo con una alta integración y una conexión
entre todas las herramientas inteligentes. Los CPS permiten una organización autónoma de la gestión de
la producción y la gestión de mantenimiento de diferentes herramientas: los recursos y los productos
están conectados al sistema de red y se pueden identificar en tiempo real, mientras que en todas las
fases de producción se muestran las diferentes operaciones realizadas, registrando problemas
eventuales o variaciones a la situación óptima. De esta manera, el posible cambio en la orden de trabajo,
a la calidad, o los problemas de maquinaria se tratan rápidamente. Esta información es muy útil para el
gerente de la planta de producción, quién es el responsable del uso eficiente de los CPSs.
Integración horizontal a través de una nueva red de cadena de valor: son como una red del sistema de
producción y están conectados en tiempo real a lo largo de toda la cadena de valor, proporcionando
transparencia y flexibilidad. La producción, por lo tanto, puede adaptarse a las necesidades de los
clientes, cambiando el desarrollo, la planificación, la composición, la distribución de productos; factores
como la calidad, los tiempos, los precios se pueden administrar dinámicamente en tiempo real para todas
las fases de la cadena de producción, creando nuevos modelos de negocios y cooperación entre clientes
y fábricas inteligentes.
Coordinación de ingeniería en toda la cadena de valor: cada nuevo producto necesita un sistema de
fabricación personalizado para una producción integrada y coordinada donde los datos y la información
están disponibles en cada fase del ciclo de vida del producto.
El impacto exponencial de las tecnologías está generando procesos flexibles y adaptados a cualquier
proceso industrial, junto con ahorros de dinero de alto impacto. A partir de las soluciones de alto nivel
propuestas por la automatización de los procesos, por ejemplo, la Inteligencia Artificial (AI) y la robótica
avanzada, son herramientas que permiten la toma de decisión de forma autónoma y aumentan de manera
exponencial el uso de herramientas inteligentes y de mucha flexibilidad. Las técnicas de AIs mejoran los
productos y las transferencias de recursos en el proceso de producción, aumentan la confiabilidad
analizando los datos directamente de las máquinas, y proveen una mejor integración hombre-máquina.
La manufactura aditiva es un ejemplo del máximo aprovechamiento de las nuevas tecnologías, que
garantiza nuevas soluciones funcionales, más complejas y con menos costos. Entre las nuevas
tecnologías disponibles en la actualidad, también se deben mencionar: la Realidad Aumentada, la
Realidad Virtual, la capacidad de simulación y el manejo de información en la Nube (situación relacionada,

8
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
como la Computación en la Nube (Cloud Computing) y la seguridad cibernética
(Cyber-security)). (Dujin, Geissler, & Horstkötter, 2014; McKinsey & Company, 2015; Rüßmann et al.,
2015).

VI. Sinergias potenciales entre la industria 4.0, RCM y RCA

Las sinergias potenciales entre estos tres conceptos son numerosas. En primer lugar, la Industria 4.0
puede ayudar a mejorar el RCA y el RCM. Por ejemplo, la inteligencia artificial puede utilizarse para
analizar grandes cantidades de datos de productos para identificar tendencias y patrones que pueden
ayudar a predecir fallas. La robótica puede utilizarse para realizar tareas de mantenimiento de forma
más eficiente y precisa. La realidad aumentada puede utilizarse para proporcionar información y
asistencia a los técnicos de mantenimiento.
En segundo lugar, el RCA y el RCM pueden ayudar a aprovechar las ventajas de la Industria 4.0. Por
ejemplo, el RCA puede ayudar a garantizar que los productos que se fabrican con tecnologías
avanzadas sean confiables y duraderos. El RCM puede ayudar a optimizar la producción y el
mantenimiento de productos con tecnologías avanzadas.
En tercer lugar, la Industria 4.0, el RCA y el RCM pueden ayudar a reducir los costos y mejorar la
eficiencia. Por ejemplo, la Industria 4.0 puede ayudar a automatizar tareas que actualmente se
realizan manualmente, lo que puede reducir los costos laborales. El RCA puede ayudar a prevenir
fallas, lo que puede reducir los costos de reparación y mantenimiento. El RCM puede ayudar a
planificar y controlar el ciclo de vida de los productos, lo que puede ayudar a reducir los costos
generales.
A continuación, se presentan algunos ejemplos específicos de sinergias potenciales entre la Industria
4.0, el RCA y el RCM:
• Una empresa que fabrica automóviles puede utilizar la Industria 4.0 para recopilar datos de los
sensores instalados en sus vehículos. Estos datos pueden utilizarse para analizar el
rendimiento de los vehículos y predecir posibles fallas. El RCA puede ayudar a la empresa a
desarrollar planes de mantenimiento preventivo para evitar estas fallas. El RCM puede ayudar
a la empresa a gestionar el ciclo de vida de sus vehículos, desde el diseño hasta la eliminación.

• Una empresa que fabrica equipos médicos puede utilizar la Industria 4.0 para instalar sensores
en sus equipos. Estos sensores pueden utilizarse para recopilar datos sobre el uso y el
rendimiento de los equipos. El RCA puede ayudar a la empresa a desarrollar planes de
mantenimiento predictivo para garantizar que los equipos estén siempre disponibles cuando se
necesitan. El RCM puede ayudar a la empresa a gestionar el ciclo de vida de sus equipos,
desde el diseño hasta la eliminación.

9
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 • Una empresa que fabrica productos de consumo puede utilizar la
Industria 4.0 para imprimir en 3D piezas personalizadas para sus productos. El RCA puede
ayudar a la empresa a garantizar que estas piezas sean confiables y duraderas. El RCM puede
ayudar a la empresa a gestionar el ciclo de vida de sus productos, desde el diseño hasta la
eliminación.

VII. Herramientas de la industria 4.0 para RCA y RCM

A. Sensores inteligentes y monitorización en tiempo real

Los sensores inteligentes y la monitorización en tiempo real son dos tecnologías clave que están
revolucionando la forma en que las empresas gestionan la confiabilidad del producto (RCM) y la gestión
del ciclo de vida del producto (RCA).
Los sensores inteligentes son dispositivos que recopilan datos sobre el entorno o un sistema en tiempo
real. Estos datos pueden utilizarse para monitorizar el rendimiento, predecir fallas y tomar decisiones
informadas sobre el mantenimiento. Algunas de las variables que se pueden incluir a través de los
sensores son:
• Temperatura
• Presión
• Vibración
• Corriente
• Voltaje
• Humedad
• Contaminación
Estos datos pueden utilizarse para monitorizar el rendimiento de los productos y los equipos, identificar
tendencias y patrones que pueden indicar una falla potencial, y proporcionar información a los técnicos
de mantenimiento.
La monitorización en tiempo real es el proceso de recopilar y analizar datos en tiempo real. Esto permite
a las empresas detectar problemas y tomar medidas rápidamente para evitar fallas inesperadas.
La monitorización en tiempo real se puede realizar mediante sensores inteligentes, pero también se
puede realizar mediante otros medios, como sistemas de videovigilancia o sensores de proximidad.

Los sensores inteligentes y la monitorización en tiempo real se pueden utilizar para una amplia gama de
aplicaciones RCA y RCM, que incluyen:

10
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 • Predicción de fallas: Los datos de los sensores inteligentes se pueden
utilizar para identificar tendencias y patrones que pueden indicar una falla potencial. Esto permite
a las empresas realizar mantenimiento preventivo para evitar que las fallas ocurran y evitar el
costo de mantenimiento correctivo asociado.

• Optimización del mantenimiento: Los datos de los sensores inteligentes se pueden utilizar
para optimizar los programas de mantenimiento. Esto puede ayudar a las empresas a reducir los
costos de mantenimiento y mejorar la confiabilidad de sus productos.

• Mejora de la seguridad: Los datos de los sensores inteligentes se pueden utilizar para mejorar
la seguridad de los productos y los equipos. Esto puede ayudar a prevenir lesiones y daños a la
propiedad.

• Mejora de la confiabilidad: Los sensores inteligentes y la monitorización en tiempo real pueden

ayudar a las empresas a identificar y prevenir fallas, lo que puede mejorar la confiabilidad de sus
productos y equipos.

• Reducción de costos: Los sensores inteligentes y la monitorización en tiempo real pueden

ayudar a las empresas a reducir los costos de mantenimiento y reparación.

• Mejora de la eficiencia: Los sensores inteligentes y la monitorización en tiempo real pueden

ayudar a las empresas a optimizar sus programas de mantenimiento, lo que puede mejorar la
eficiencia y reducir los costos.

• Mejora de la seguridad: Los sensores inteligentes y la monitorización en tiempo real pueden

ayudar a las empresas a mejorar la seguridad de sus productos y equipos, lo que puede ayudar
a prevenir lesiones y daños a la propiedad.

B. Análisis de datos avanzados y Machine Learning para RCA

El análisis de datos avanzado es el proceso de aplicar técnicas estadísticas y matemáticas a grandes
conjuntos de datos para identificar tendencias y patrones ocultos. Estos datos se pueden utilizar para
mejorar la comprensión de las causas de las fallas, lo que puede ayudar a las empresas a desarrollar
estrategias de RCA más eficaces.

Por otro lado, el machine learning es un tipo de inteligencia artificial que permite a las máquinas
aprender sin ser explícitamente programadas. El ML se puede utilizar para desarrollar modelos que
pueden predecir fallas, identificar causas de fallas y optimizar los programas de mantenimiento.

11
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 Estas tecnologías mejoran el RCA de diversas maneras:
• Revelación de Patrones Ocultos: Tanto el análisis de datos avanzado como el machine
learning utilizan métodos estadísticos y matemáticos sofisticados para destapar patrones
complejos en grandes conjuntos de datos. Esto permite identificar relaciones y
comportamientos sutiles que podrían pasar desapercibidos con métodos convencionales.
• Predicción de Eventos Futuros: Estas tecnologías facilitan la predicción basada en datos
históricos y tendencias actuales. El machine learning, en particular, entrena modelos para
anticipar eventos futuros mediante la identificación automática de patrones, proporcionando la
capacidad de anticipar y prevenir eventos no deseados antes de que ocurran.

• Enfoque en Variables Clave: Tanto el análisis de datos avanzado como el machine learning
son capaces de identificar automáticamente las variables más relevantes para predecir
resultados. Esto permite centrar la atención en factores críticos, mejorando la precisión en la
identificación de causas fundamentales.

• Automatización del Proceso de RCA: Estas tecnologías automatizan tareas analíticas

complejas, agilizando la identificación de patrones de manera automática. Esta automatización
no solo reduce la carga manual, sino que también acelera los resultados del proceso de RCA.

• Mejora Continua con Retroalimentación: Tanto el análisis de datos avanzado como el

machine learning proporcionan mecanismos para la retroalimentación constante, permitiendo la
adaptación y mejora automática de los modelos con más datos y experiencias. Esto facilita una
mejora continua al ajustar las estrategias basándose en resultados y cambios en el entorno.

• Análisis Multivariado: Ambas tecnologías permiten explorar relaciones entre múltiples

variables simultáneamente, ofreciendo una visión completa al analizar interacciones complejas
entre diversos factores contribuyentes a eventos no deseados en el RCA.

• Integración con Sistemas de Monitoreo: Estas tecnologías se integran fácilmente con

sistemas de monitoreo y adquisición de datos, colaborando con sistemas existentes para
mejorar la efectividad del análisis y adaptándose a sistemas de monitoreo en tiempo real para
posibilitar un análisis continuo de eventos no deseados.

C. Sistemas ciber físicos en la optimización del RCM

12
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 La integración de sistemas ciber físicos facilita el diagnóstico remoto,
reduciendo la dependencia de intervenciones físicas. Este enfoque no solo mejora la eficiencia
operativa, sino que también minimiza los costos y tiempos asociados con inspecciones en terreno,
aportando a una gestión más ágil y económica de los activos.
El paso de un modelo reactivo a uno predictivo y preventivo se agiliza gracias a los sistemas ciber
físicos. Estos permiten una transición más fluida al mantenimiento basado en datos, abordando
problemas antes de que se conviertan en fallas críticas y, por ende, reduciendo costos asociados con
reparaciones y reemplazos.
La integración de sistemas ciber físicos con plataformas de gestión de activos ofrece una visión integral
y coordinada, optimizando la asignación de recursos y priorizando la atención en activos críticos. Esta
cohesión mejora la eficiencia de la gestión de activos y contribuye a los objetivos operativos de la
organización.
La retroalimentación continua proporcionada por sistemas ciber físicos alimenta el ciclo de mejora del
RCM. Aprender de experiencias pasadas y ajustar estrategias de mantenimiento en función de datos
actualizados contribuye a una gestión más adaptativa y eficaz de los activos a lo largo del tiempo.
En última instancia, la integración efectiva de sistemas ciber físicos en el enfoque del Mantenimiento
Centrado en Confiabilidad no solo impulsa la eficiencia operativa, sino que también reduce costos,
minimiza tiempos de inactividad no planificado y mejora la confiabilidad general de los activos
industriales.
D. Ejemplos de implementaciones exitosas de la industria 4.0 en RCA y RCM

1. Predicción de fallas en turbinas eólicas: Sensores avanzados instalados en turbinas eólicas

recopilan datos en tiempo real sobre vibración, temperatura y otros parámetros. Estos datos se
utilizan para entrenar modelos de machine learning que predicen posibles fallas antes de que
ocurran. El RCA se realiza de manera proactiva, permitiendo identificar y abordar las causas
fundamentales antes de que afecten gravemente el rendimiento.

2. Monitorización en industria química: Sensores y dispositivos IoT se utilizan para monitorizar

en tiempo real los procesos químicos. Los datos recopilados se analizan mediante algoritmos
avanzados para identificar patrones anómalos. En caso de eventos no deseados, el RCA se
activa de inmediato, facilitando una respuesta rápida y precisa a problemas operativos.

3. Mejora del plan de mantenimiento en la industria aeroespacial: Sensores integrados en

motores y componentes críticos de aeronaves recopilan datos sobre condiciones operativas. La
analítica avanzada y el machine learning procesan estos datos para predecir el desgaste y la

13
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
 necesidad de mantenimiento. Esto mejora significativamente las
estrategias de RCM, permitiendo un mantenimiento programado en lugar de correctivo.

VIII. Conclusiones
En conclusión, la combinación de la Industria 4.0 y las metodologías de Mantenimiento
ofrece un enfoque íntegro y a la vanguardia para mejorar la eficiencia, confiabilidad y con
ello la productividad de las empresas en el entorno industrial actual gracias a una buena
gestión de mantenimiento.
La recopilación de datos se convierte en el primer paso de suma importancia y complejo
para comprender a fondo los problemas o eventos de falla. Mediante herramientas como
inspecciones y entrevistas, análisis de historiales y análisis de datos, se obtiene
información precisa y completa que sirve como base para el análisis posterior.
El análisis de datos permite identificar patrones, tendencias y relaciones de causas que
pueden ser evidentes o no a simple vista. Mediante técnicas como diagramas de causa y
efecto, diagramas de dispersión y análisis de tendencias, se puede visualizar y
comprender mejor los datos recopilados, lo que facilita la identificación de las causas raíz.
La identificación de las causas raíz es un paso crítico para abordar los problemas de
manera efectiva. Utilizando métodos como los "5 Porqués" y el método de Ishikawa, se
profundiza en las causas ocultas y se determinan las causas fundamentales que
contribuyeron al problema o evento de falla.
Una vez identificadas las causas raíz, se desarrollan acciones correctivas efectivas que
abordan directamente esos problemas. Estas acciones deben ser prácticas, factibles
económicamente y enfocadas en prevenir la recurrencia del problema. La implementación
de estas acciones correctivas se realiza con un seguimiento continuo para evaluar su
efectividad a lo largo del tiempo, esto es de suma importancia para determinar si es
conveniente económicamente.
Por otro lado, el Mantenimiento Centrado en Confiabilidad (RCM) se enfoca en optimizar
la confiabilidad y disponibilidad de los activos. Se identifican los activos críticos y se
establecen criterios para clasificar su importancia y nivel de criticidad. A través del análisis
de funciones y modos de falla (AMEF), se examinan las funciones clave de cada activo y
se analizan los modos de falla que podrían afectar su desempeño y generen impactos en
la producción, así como posteriormente asignar planes de mantenimiento basado en estas
acciones para generar un ahorro potencial respecto al anterior plan.
14
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
La integración de la Industria 4.0 con el Mantenimiento permite
aprovechar tecnologías avanzadas como la inteligencia artificial, el aprendizaje automático
y la realidad aumentada. Estas tecnologías brindan oportunidades para automatizar tareas
de mantenimiento, analizar datos de manera más eficiente, proporcionar asistencia remota
a los técnicos gracias a la interconectividad y mejorar la seguridad en las operaciones de
mantenimiento.
En retrospectiva, la implementación conjunta de la Industria 4.0 y las metodologías de
Mantenimiento ofrece un enfoque completo para mejorar la eficiencia, confiabilidad y
productividad en el entorno industrial actual. Mediante la recopilación y análisis de datos,
la identificación de causas raíz y el desarrollo de acciones correctivas efectivas, se logra
una gestión más eficiente del mantenimiento de los activos. La integración estratégica de
tecnologías avanzadas potencia aún más estos resultados, permitiendo a las empresas
optimizar sus operaciones, reducir costos y aumentar su competitividad en el mercado
global.

15
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl
IX. Referencias

- A. Crespo Márquez, P. Moreu de León, J.F. Gómez Fernández, C. Parra Márquez and M. López
Campos. (2009). The maintenance management framework. Journal of Quality in Maintenance
Engineering 15(2):167-178. DOI: http://dx.doi.org/10.1108/13552510910961110
- Crespo Márquez A. (2007). The maintenance management framework. Models and meth-ods for
complex systems maintenance. London: Springer Verlag. DOI: 10.13140/RG.2.2.16765.38884
- Bagheri, B., Yang, S., Kao, H. an, & Lee, J. (2015). Cyber-physical Systems Architecture
for Self-Aware Machines in Industry 4 . 0 Environment. 15th IFAC Symposium on Information
Control in Manufacturing, 1667–1672. http://doi.org/10.1016/j.ifacol.2015.06.318
- Dujin, A., Geissler, C., & Horstkötter, D. (2014). Industry 4.0 The new industrial
revolution How Europe will succeed. Roland Berger Strategy Consultants, (March), 1–24.
http://doi.org/10.1007/s00287-014-0809-1
- Koç, M., Lee, J., Ni, J., & Bandyopadhyay, P. (2016). Introduction to e_Manufacturing, (June 2016),
1–18.
- Lee, J., Lapira, E., Yang, S., & Kao, A. (2013). Predictive manufacturing system - Trends of next-
generation production systems. IFAC Proceedings Volumes (IFACPapersOnline), 150–156.
http://doi.org/10.3182/20130522-3-BR-4036.00107
- McKinsey&Company. (2015). Manufacturing’s next act, (June 2015), 1–9.
- Ministero dell’Economia dei Ministri. (2016). Piano nazionale Industria 4.0 - investimenti,
produttività e innovazione.
- Parra, C. y Crespo, A. (2015). Ingeniería de Mantenimiento y Fiabilidad Aplicada en la Gestión de
Activos. Modelo de Gestión del Mantenimiento (MGM). 2da, ed. INGEMAN, Es-cuela Superior de
Ingenieros Industriales, Sevilla, España. http://dx.doi.org/10.13140/RG.2.2.29363.66083
- Parra C., González-Prida V., Candón E., De la Fuente A., Martínez-Galán P., Crespo A. (2020).
Integration of Asset Management Standard ISO55000 with a Maintenance Management Model. In:
Crespo Márquez A., Komljenovic D., Amadi-Echendu J. (eds) 14th WCEAM Proceedings. WCEAM
2019. Lecture Notes in Mechanical Engineering. Springer, Cham. https://
doi.org/10.1007/978-3-030-64228-0_17
- Parra, C., Tino, G., Parra, J., Crespo, A., Viveros, P., Kristjanpoller, F., González-Prida, V.
(2021). Metodología básica de análisis de riesgo para evaluar la criticidad de ac-tivos industriales.
Caso de estudio: Línea de Manufactura de Envases Biodegradables. Edita INGEMAN, ETSI,
Sevilla, España http://dx.doi.org/10.13140/RG.2.2.10422.52802/2
- Viveros-Gunckel, P., Kristjanpoller-Rodríguez, F., Parra-Marquez, C., Crespo-Márquez, A.,
González-Prida-Díaz, V. (2020). Audit models for asset management, maintenance and reliability
processes. Case study: Electricity Transmission Sector. DYNA Management, 8(1). [14 p.]. DOI:
https://doi.org/10.6036/MN9826
- Rüßmann, M., Lorenz, M., Gerbert, P., Waldner, M., Justus, J., Engel, P., & Harnisch, M. (2015).
Industry 4.0. The Future of Productivity and Growth in Manufacturing. Boston Consulting, (April),
1–5.
16
Universidad Técnica Federico Santa María
Sede Viña del Mar
www.usm.cl

View publication stats