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

net/publication/376184286

LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN

CONFIABILIDAD (RCM) -ACTUALIDAD Y FUTURO DEL RCM

Technical Report · December 2023

DOI: 10.13140/RG.2.2.20162.56004

CITATIONS READS

0 1,169

6 authors, including:

Claudio Arratia Benjamin Arellano

Universidad Técnica Federico Santa María Universidad Técnica Federico Santa María
3 PUBLICATIONS 0 CITATIONS 3 PUBLICATIONS 0 CITATIONS

SEE PROFILE SEE PROFILE

Geovani Orrego 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.

 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Ingeniería de Confiabilidad II
Fecha: 18/10/2023 Prof. Carlos Parra
Gonzalo Romo L. Ignacio Venegas G.

LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN CONFIABILIDAD

(RCM) - ACTUALIDAD Y FUTURO DEL RCM.

Claudio Arratia1, Benjamín Arellano1, Geovani Orrego1, Gonzalo Romo1, Ignacio Venegas1.
1Universidad Técnica Federico Santa María. Departamento de Mecánica, Viña del Mar, Chile.

ABSTRACT:
In the current state, Reliability Centered Maintenance emphasizes
the use of real-time data, preventive maintenance and digital RCM.
As for the future, new trends of Industry 4.0 are predicted, among
them are digitization and automation, in addition, the creation of
digital twins of assets, the incorporation of artificial intelligence and
deep learning are predicted. These trends promise to improve
efficiency and reliability in asset management.
Keywords: RCM, digitalization, digital twins, automation, industry
4.0.
Keywords: RCM, digitization, digital twins,
RESUMEN:
En el estado actual, el Mantenimiento Centrado en la Confiabilidad se
enfatiza el uso de datos en tiempo real, el mantenimiento preventivo
y el RCM digital. En cuanto al futuro se pronostican nuevas
tendencias de la Industria 4.0, entre ellas destacan la digitalización y
automatización, además se pronostica la creación de gemelos
digitales de activos, la incorporación de inteligencia artificial y
aprendizaje profundo. Estas tendencias prometen mejorar la
eficiencia y confiabilidad en la gestión de activos.
Palabras Clave: RCM, digitalización, gemelos digitales,
automatización, industria 4.0.

INTRODUCCIÓN:

En un mundo empresarial cada vez más competitivo, las empresas buscan sacar el mayor rendimiento de sus
activos, para ello resulta fundamental el Mantenimiento Centrado en Confiabilidad (RCM) el que ha sido una
metodología adaptada para la gestión de activos, en un comienzo para la industria de aviación y en sectores de
energía, sin embargo, hoy en día se utiliza en la mayoría de las industrias. Con la llegada de la industria 4.0 las
nuevas tecnologías como la digitalización y la inteligencia artificial buscan reformular y optimizar el RCM,
experimentando transformaciones significativas que prometen mejorar la eficiencia y confiabilidad en la gestión de
activos. Para este contexto se explorará las nuevas tendencias del RCM, su estado actual y su futuro, con el objetivo
de proporcionar una visión general de su desarrollo en las industrias y como ha ido optimizando el mantenimiento.

HISTORIA DEL RCM:

El Mantenimiento Centrado en Confiabilidad (MCC) o también conocido por sus siglas en inglés (RCM) fue
desarrollado en la industria de la aviación durante los años 60’s y 70’s, esta industria al notar que llegaban cada vez
aeronaves más grandes, con sistemas más complejos y que necesitaban de un mantenimiento más exhausto
llegaron a la conclusión de que las estrategias de mantenimiento de ese tiempo no resultaban suficientes, en base
a ello se vieron en la necesidad de establecer un proceso que permitiera diseñar acciones de mantenimiento exactas
y con frecuencias precisas. El grupo de trabajo conformado por miembros del gobierno y expertos en la industria
aeronáutica de Estados Unidos se encargó de establecer procedimientos de mantenimiento que permitieran reducir
aún más la cantidad de fallas, los costos del mantenimiento y reducir los tiempos de mantenimiento.

Para comenzar se publicó un documento llamado MSG-1 el cual formalizaba nuevos criterios que permitieron el
desarrollo de programas de mantenimiento y además contribuyeron a cambiar la idea de evaluar exclusivamente las
funciones del equipo a realizar una evaluación de las funciones del sistema en general. Luego de la primera versión,
llegó la segunda llamada MSG-2 en la que se añadió el tan conocido árbol lógico de decisiones, el cual se trata de
una herramienta gráfica que ayuda a guiar y estructurar el proceso de toma de decisiones sobre las estrategias de
mantenimiento a aplicar para gestionar los modos de falla identificados a través de una serie de preguntas las cuales
van avanzando hasta llegar a la acción óptima a realizar. Con el tiempo esta segunda edición MSG-2 se convirtió
en un método conocido en toda la industria aérea, sobre todo en el diseño y desarrollo de políticas de mantenimiento.
Gracias al buen rendimiento en esta industria, años después logró consagrarse y se adaptó a las necesidades de
otras industrias, como lo son la manufacturera, militar, nuclear, de transporte marítimo, entre otras.

MARCO TEORICO:

El RCM (Reliability Centered Maintenance) es una metodología utilizada para determinar qué se debe hacer para
asegurar que cualquier activo físico continúe llevando a cabo su función en un cierto contexto operacional.
Esta metodología se basa en 7 preguntas esenciales:
• ¿Cuáles son las funciones y los estándares de ejecución asociados con el activo (equipo a mantener) en
su actual contexto operacional?
• ¿En qué forma falla el equipo, con respecto a la función que cumple en el contexto operacional?

Pá g i n a 1|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

• ¿Qué causa cada falla funcional?

• ¿Qué ocurre cuando sucede una falla?
• ¿Cómo impacta cada falla?
• ¿Qué puede hacerse para prevenir cada falla funcional?
• ¿Qué puede hacerse si no se conoce una tarea de prevención adecuada a esta falla?

Antes de comenzar con las preguntas se realiza la conformación de un equipo de trabajo que a través de alguna
técnica logra jerarquizar los activos físicos de la empresa y permite seleccionar el más critico para la implementación
de la metodología, ya teniendo esto realizado se comienzan a realizar las preguntas mencionadas anteriormente,
para ello se empieza con la determinación del contexto operacional, luego se logran definir las funciones primarias
que según la norma SAE J1011 son “las funciones que constituyen las razones principales por las que el activo
físico o sistema es adquirido por su dueño o usuario”, y junto con ello las funciones secundarias definidas como “las
funciones que debe cumplir aparte de las primarias”.
Luego, estas funciones se deben negar de modo de encontrar las fallas funcionales las que se definen como un
estado en el que un activo físico o sistema no se encuentra disponible para ejercer una función especifica a un nivel
de desempeño deseado. Teniendo estas fallas funcionales se prosigue con los modos de falla que consisten en
eventos que determinan la generación de una falla funcional del activo físico, en base a estos modos de falla se
determinan sus efectos y consecuencias que a final de cuentas dan paso al árbol lógico de decisiones comentado
anteriormente. Finalmente, en base al desarrollo de este árbol se elaboran las tareas de mantenimiento
correspondientes. A continuación se adjunta el flujograma de implementación comentado anteriormente:

Figura 1: Flujograma de implementación del RCM, Fuente: Carlos Parra (2022). [4]

RCM EN LA ACTUALIDAD:

En la actualidad el RCM sigue siendo altamente relevante y valioso en la industria ya que aún es fundamental para
optimizar los costos asociados con el mantenimiento al asegurar que los recursos se asignen de manera efectiva y
se centren en las áreas que realmente requieren atención, todavía permite maximizar la confiabilidad y disponibilidad
de los activos y sistemas críticos al identificar y abordar de manera proactiva los modos de falla potenciales, sigue
siendo crucial para garantizar la seguridad operativa al identificar los modos de falla que podrían representar un
riesgo para la seguridad del personal y los procesos, aún contribuye a la sostenibilidad al ayudar a optimizar el
consumo de energía y a reducir el impacto ambiental al mantener los sistemas en condiciones óptimas de
funcionamiento, además de ayudar a cumplir con los requisitos regulatorios y normativos relacionados con el
mantenimiento y la gestión de activos, inclusive actualmente facilita una gestión eficaz y proactiva del ciclo de vida
de los activos, asegurando su longevidad y desempeño óptimo a lo largo del tiempo.

LA INDUSTRIA 4.0:

Como es sabido la tecnología avanza cada vez más rápido, hoy en día ya se habla de la industria 4.0 o también
llamada la cuarta revolución industrial, esta representa una transformación significativa en la forma en que se
conciben, diseñan, producen, operan y mantienen los sistemas y procesos industriales. Este término se originó en

Pá g i n a 2|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

Alemania y se ha extendido a nivel global para describir la integración de tecnologías digitales avanzadas en la
industria y la manufactura, a continuación se definen algunas de las tecnologías pertenecientes a la nueva industria
4.0:

Big Data: Esta tecnología se trata de una gran cantidad de datos que superan la capacidad de procesamiento de
software convencional. Estos conjuntos de datos se denominan Big Data y provienen de diversas fuentes. Esta
tecnología recopila estos datos, los procesa, les da una estructura y los almacena utilizando diversas distribuciones,
empleando una lógica basada en algoritmos. Teniendo la recopilación de datos, se pueden integrar con Inteligencia
Artificial para crear modelos predictivos y prescriptivos.

El Internet de las cosas (IoT): Es un concepto que se refiere a la interconexión de objetos y dispositivos cotidianos
a través de la red global, permitiendo que estos se comuniquen, compartan datos y realicen acciones inteligentes.
Estos objetos, equipados con sensores y actuadores, pueden recolectar y transmitir información en tiempo real sobre
su estado, su entorno y su interacción con los usuarios. Esta vasta red de dispositivos inteligentes posibilita una
amplia gama de aplicaciones, desde hogares inteligentes y ciudades conectadas hasta industria automatizada y
atención médica avanzada. La IoT tiene el potencial de transformar la forma en que vivimos y trabajamos,
optimizando procesos, mejorando la toma de decisiones y brindando comodidades y eficiencia en nuestro día a día,
aunque también plantea desafíos relacionados con la privacidad, la seguridad y la gestión de la enorme cantidad de
datos generados.

Inteligencia Artificial: En el ámbito de la inteligencia artificial (IA), existen diversas ramas, tales como el Aprendizaje
Automático (Machine Learning) y las Redes Neuronales, cada una con su contribución específica al campo del
mantenimiento.

Machine Learning: Como sugiere su denominación, el aprendizaje automático se basa en un algoritmo capaz de
asimilar datos y aprender de forma continua a partir de ellos. Este proceso de aprendizaje se puede configurar de
modo de tener varios tipos de aprendizaje, entre ellos por refuerzo, supervisado y no supervisado:

• Aprendizaje por refuerzo: Este tipo de aprendizaje se basa en la experimentación y corrección. El

algoritmo recibe retroalimentación en función de sus interacciones con el entorno. Si su comportamiento es
positivo, se le recompensa; si es negativo, se le penaliza para evitar decisiones similares en el futuro.
• Aprendizaje supervisado: Aquí, el algoritmo se nutre con un conjunto de datos como entrada y una
variable objetivo-precisa, generando así una función que se ajusta a los datos en relación con la variable
objetivo.
• Aprendizaje no supervisado: En este tipo de aprendizaje, no se provee una variable-objetivo para los
datos de entrada. El algoritmo debe diferenciar patrones y relaciones entre los datos sin un objetivo
explícito. Su enfoque principal radica en detectar estructuras, tendencias, agrupaciones y datos no
convencionales.

Redes Neuronales: Clasificadas como una subdivisión del Aprendizaje Automático (Deep Learning), representan
un ámbito extenso que se considera de forma independiente debido a su amplitud. En términos generales, estas
redes se inspiran en el funcionamiento del cerebro humano y están compuestas por nodos que colaboran para
procesar información. Cada nodo, similar a una neurona, tiene su propia activación y produce una salida de datos.
La complejidad de una red neuronal puede variar desde un modelo simple hasta uno profundo, dependiendo de la
cantidad de capas ocultas que esta contemple.

Los Gemelos Digitales: También conocidos como Digital Twins, son básicamente duplicados exactos de un activo
representados de manera digital. Esto implica que mediante modelos y algoritmos, pueden replicar con gran
precisión los comportamientos de un activo físico. A pesar de ser una tecnología de la industria 4.0, el gemelo digital
no es un concepto nuevo, ya que se han estado creando "Gemelos Digitales" desde los años 60 mediante la
representación digital de sistemas físicos, no fue hasta alrededor del año 2010 que el término "Gemelo Digital"
comenzó a tener un impacto significativo, generando investigaciones y formalizando sus avances como una réplica
virtual precisa de un objeto físico. En la actualidad, este concepto es ampliamente utilizado en la industria para
facilitar la toma de decisiones, especialmente en el ámbito predictivo del mantenimiento.

La simulación y la realidad virtual (RV): Son tecnologías poderosas que transforman la percepción y experiencia
del entorno. La simulación implica la creación de modelos digitales que representan sistemas, procesos o fenómenos
de la vida real, estos modelos se utilizan para predecir comportamientos, realizar pruebas y entender el rendimiento
de diversas aplicaciones, desde el diseño de productos hasta la planificación de ciudades. Por otro lado, la realidad
virtual sumerge al usuario en un mundo artificial generado por una computadora, replicando entornos
tridimensionales realistas. A través de dispositivos como auriculares y guantes sensibles al movimiento, el usuario

Pá g i n a 3|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

puede interactuar con este entorno de manera inmersiva. Estas tecnologías tienen aplicaciones diversas, desde la
industria y la medicina hasta la educación y el entretenimiento, ofreciendo oportunidades para la capacitación, la
simulación de situaciones reales, la visualización de datos complejos y la exploración de lugares inaccesibles
físicamente. Sin embargo, también plantean preguntas sobre la frontera entre lo real y lo virtual, así como desafíos
éticos en términos de privacidad y adicción. En conjunto, la simulación y la realidad virtual están revolucionando
cómo interactuamos con la información y el mundo que nos rodea.

Fabricación Aditiva: Comúnmente conocida como impresión 3D, es una tecnología central en la Industria 4.0 que
ha revolucionado la forma en que se diseñan y producen objetos. En lugar de eliminar material de un bloque, como
en los métodos tradicionales, la impresión 3D crea objetos capa por capa a partir de modelos digitales
tridimensionales. Esta técnica permite la personalización a gran escala, la producción rápida y rentable de prototipos
y piezas finales complejas y la fabricación descentralizada. La integración de la impresión 3D en la Industria 4.0
permite la producción de piezas más ligeras y eficientes, la optimización de la cadena de suministro al reducir el
tiempo de espera y los costos de transporte, y la posibilidad de realizar iteraciones rápidas en el diseño y la
fabricación. Además, posibilita la creación de geometrías complejas y personalizadas que serían difíciles o
imposibles de lograr con métodos convencionales, abriendo nuevas posibilidades en sectores como la medicina, la
aviación, la automoción y la manufactura en general.

Sistemas Ciber físicos: Los CPS (por sus siglas en inglés) representan una piedra angular de la Industria 4.0,
fusionando el mundo físico y el digital en un entorno altamente interconectado e inteligente. Estos sistemas integran
componentes físicos con capacidades de computación, comunicación y control avanzadas, permitiendo la
monitorización en tiempo real y la toma de decisiones autónomas. En la Industria 4.0, los CPS posibilitan la
optimización y coordinación en tiempo real de procesos industriales, mejorando la eficiencia, la productividad y la
flexibilidad. Desde la manufactura hasta la logística, los CPS transforman la forma en que se diseñan, producen y
operan bienes y servicios, revolucionando la toma de decisiones basada en datos y facilitando la adaptación ágil a
las demandas cambiantes del mercado, lo que conduce a un futuro industrial altamente eficiente y adaptable.

Figura 2: Tecnologías de la industria 4.0

Machine
Learning

Imteligencia
Iot
Artificial (IA)

TECNOLOGÍAS
DE LA INDUSTRIA 4.0

Sistemas
Big Data
ciberfísicos

Redes Impresión
neuronales 3D

Gemelos Realidad
dígitales Virtual

Pá g i n a 4|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

TECNOLOGÍAS DE LA INDUSTRIA 4.0 PRESENTES EN EL RCM:

Muchas de las tecnologías comentadas anteriormente prometen introducirse de lleno en el mundo del
mantenimiento, especialmente en el Mantenimiento Centrado en la Confiabilidad, tecnologías como el Machine
Learning con sus diversos algoritmos o los gemelos digitales con sus grandes habilidades para adaptarse a cualquier
industria, prometen cambiar completamente la forma de gestionar los activos físicos de una organización. A
continuación se detalla cómo cada una de las tecnologías podría influir en el RCM:

Machine Learning: Como se comentó anteriormente, el Machine Learning permite a las máquinas aprender y
mejorar su rendimiento en tareas específicas a partir de datos, puede influir de manera significativa en un proceso
de RCM al mejorar la toma de decisiones y optimizar las estrategias de mantenimiento, a continuación se grafican
algunas de las mejoras que puede otorgarle esta tecnología a la metodología:

Tabla 1: Posibles mejoras del Machine Learning en el RCM

Los algoritmos creados por Machine Learning pueden analizar datos históricos y
Predicción de en tiempo real de los activos para predecir cuándo es probable que ocurran fallos y
fallas al realizar estas predicciones puede contribuir a reducir los tiempos de inactividad
no planificados al programar intervenciones de mantenimiento antes de que
ocurran las fallas críticos.
Utilizando Machine Learning, se pueden analizar patrones de fallos y demanda de
Optimización del repuestos para optimizar el inventario, cruzando el RCM con el RCC (Repuestos
inventario centrados en confiabilidad) de modo que los repuestos críticos estén disponibles en
el momento adecuado.

Implementación Al recopilar datos de rendimiento y eficacia de las estrategias de mantenimiento

de un sistema de implementadas, el ML puede sugerir ajustes y mejoras en el proceso de RCM,
mejora continua permitiendo una mejora continua y adaptación a las condiciones cambiantes.

La nube: La computación en la nube puede influir de manera significativa en un proceso de RCM al proporcionar
una plataforma para almacenar, procesar y acceder a datos, a continuación se grafican algunas de las mejoras que
puede otorgarle esta tecnología a la metodología:

Tabla 2: Posibles mejoras de la nube en el RCM

Almacenamiento La nube permite almacenar grandes volúmenes de datos de mantenimiento de

a grandes forma centralizada y escalable. Esto incluye datos históricos de activos, registros
volúmenes de mantenimiento, informes de fallas y otros datos relevantes.

La nube permite acceder a los datos y aplicaciones de RCM desde cualquier

Acceso desde
ubicación y dispositivo con conexión a Internet. Esto facilita la colaboración entre
cualquier
equipos de mantenimiento distribuidos geográficamente y la toma de decisiones
ubicación
conjuntas basadas en la información actualizada y compartida en tiempo real.

La nube ofrece entornos de desarrollo y despliegue ágiles para aplicaciones de

Desarrollo de
RCM. Esto permite la creación rápida de aplicaciones personalizadas para el
posibles
proceso de RCM, incluyendo aplicaciones móviles para la captura de datos en
aplicaciones
campo y herramientas de gestión de tareas.

Digital Twins: Los gemelos digitales pueden tener un impacto significativo en un proceso de Mantenimiento
Centrado en Confiabilidad al permitir una representación digital precisa y en tiempo real de un activo físico. Esto
facilita la monitorización, el análisis y la optimización del rendimiento y mantenimiento de los activos. En la siguiente
tabla se grafican algunas de las mejoras que puede otorgarle esta tecnología a la metodología:

Pá g i n a 5|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

Tabla 3: Posibles mejoras de los gemelos digitales en el RCM

Los gemelos digitales representan con precisión los activos físicos, incluyendo su geometría,
Representación
estructura, componentes, relaciones y funcionalidades. Esta representación precisa es
precisa de los
esencial para comprender en detalle el comportamiento del activo a evaluar en el RCM y su
activos
desempeño en diversas condiciones operativas.

Anticiparse a Los Digital Twins pueden analizar datos históricos y en tiempo real del activo. Esto permite
posibles modos de predecir el rendimiento futuro y detectar posibles modos de fallos antes de que ocurran,
falla contribuyendo a la optimización de estrategias de mantenimiento.

Al utilizar la información proporcionada por el gemelo digital, es posible optimizar las

Optimización del
estrategias de mantenimiento, determinando cuándo y cómo realizar intervenciones para
árbol de decisión
maximizar la confiabilidad del activo y minimizar los costos de mantenimiento

La redes neuronales: Estas redes pueden aprender patrones complejos a partir de datos históricos y en tiempo
real, lo que les permite hacer predicciones y tomar decisiones basadas en información específica. En la siguiente
tabla se grafican algunas de las mejoras que puede otorgarle esta tecnología a la metodología:

Tabla 4: Posibles mejoras de las redes neuronales en el RCM

Las redes neuronales pueden aprender patrones complejos a partir de datos históricos
y actuales de los activos. Al entrenarse con datos con estos datos (como condiciones
Identificación
operativas, datos de sensores, mantenimiento previo, etc.), pueden ayudar a identificar
de modos de
modos de falla específicos y sus características distintivas. Este conocimiento es
falla
crucial en el proceso de RCM para comprender las posibles formas en que un activo
puede fallar.
Clasificación y Una vez identificados los modos de falla, las redes neuronales pueden clasificarlos y
categorización categorizarlos en función de diversas características, como gravedad, probabilidad de
de modos de ocurrencia, impacto, etc. Esta clasificación es fundamental para establecer la criticidad
falla: de los modos de falla y determinar la prioridad de atención en el proceso de RCM.

Las redes neuronales pueden recibir feedback de los resultados de las intervenciones
Feedback para
de mantenimiento realizadas según las recomendaciones del árbol de decisiones. Este
Mejora
feedback puede ser utilizado para mejorar y ajustar la estructura del árbol de
Continua:
decisiones, asegurando su efectividad y relevancia continua.

Impresión 3D: Esta tecnología puede aportar numerosos beneficios, incluyendo la optimización de piezas de
repuesto, mejoras en el rediseño y en la reingeniería, a continuación se detallan algunas posibles mejoras:

Tabla 5: Posibles mejoras de la impresión 3D en el RCM

Se puede utilizar la impresión 3D para fabricar piezas de repuesto personalizadas y

Repuestos específicas para cada activo. Esto garantiza una mejor adaptación y funcionamiento
personalizados óptimo de las piezas, lo que puede mejorar la confiabilidad y la durabilidad del
equipo.

Al hacer uso de la impresión 3D para producir piezas de repuesto, se pueden reducir

Mejorar el
drásticamente los tiempos de espera para obtener los componentes necesarios para
rediseño
generar algún rediseño

Prototipos para Emplear la impresión 3D para crear prototipos de mejoras en los componentes y
rediseño y sistemas existentes. Esto permite probar nuevas ideas y soluciones antes de
reingeniería implementarlas completamente.

Pá g i n a 6|7
 LAS NUEVAS TENDENCIAS DEL MANTENIMIENTO CENTRADO EN
CONFIABILIDAD (RCM)-ACTUALIDAD Y FUTURO DEL RCM
Autores: Claudio Arratia G. Benjamín Arellano S. Geovani Orrego M. Curso: Ingeniería de
Fecha: 18/10/2023
Gonzalo Romo L. Ignacio Venegas G. Confiabilidad II

CONCLUSIONES:

El Mantenimiento Centrado en Confiabilidad (RCM) ha logrado un sólido reconocimiento en diversas industrias

gracias a su excepcional adaptabilidad a diversos entornos operativos. Esta metodología se ha consolidado como
un pilar esencial en la gestión de activos y el mantenimiento industrial, desempeñando un papel fundamental en la
toma de decisiones basadas en riesgo para determinar la estrategia de mantenimiento más adecuada.
Desde otra perspectiva, el RCM aporta una serie de ventajas significativas. No solo contribuye a la optimización de
costos y la mejora de los indicadores técnicos sino que también incide de manera positiva en la eficiencia global de
la empresa.

En cuanto a las tecnologías 4.0, estas se encuentran hoy en día transformando de una forma radical la manera en
que operan las industrias, debido a esto se ha podido mejorar la gestión de los procesos, dando como resultados
mejor productividad y avances en materia de innovación. Por otro lado, estas tecnologías permiten la recopilación y
el análisis de datos a una escala nunca antes vista, lo que facilita la toma de decisiones más informadas y la
optimización de procesos. Además, fomentan la interconexión de dispositivos y sistemas, lo que conduce a una
mayor eficiencia y personalización de productos y servicios. Es importante aclarar que se requiere de una
planificación estratégica bien desarrollada para la buena adopción de estas tecnologías y estar siempre al pendiente
de los cambios evolutivos que pueda ir desarrollando nuestro entorno con el objetivo de poder mantener la
competitividad de la empresa dentro del mercado, ya que la empresa que no se adapta al cambio no persiste ni
progresa en el tiempo.

Para finalizar, se puede concluir que el Mantenimiento Centrado en Confiabilidad se ha visto impactado por el avance
de las tecnologías 4.0. Con la creciente automatización en la actualidad, es probable que en un futuro no sea
necesario que un programador o planificador realice estas tareas, como se hace actualmente. En su lugar, se espera
que pronto un algoritmo de Machine Learning o una red neuronal de aprendizaje profundo sea capaz de asimilar
todo lo relacionado con el análisis del RCM en la empresa. Esto se llevaría a cabo mediante una serie de algoritmos
lógicos con el objetivo de automatizar y digitalizar los procesos del RCM. Además, en conjunto con sensores
conectados a través del Internet de las Cosas (IoT), se recopilarán datos de manera efectiva y, si es necesario, se
realizará un análisis en tiempo real basado en parámetros operacionales.

REFERENCIAS:

[1] Alder Comunicaciones., Fuerza laboral de mantenimiento en la industria chilena: estudio sobre características y evolución
tecnológica (2021)
[2] Bhadani, A., Jothimani, D. Big data: Challenges, opportunities and realities, In Singh, M.K., & Kumar, D.G. (Eds.), Effective
Big Data Management and Opportunities for Implementation (pp. 1-24), Pennsylvania, USA, IGI Globa (2016)
[3] 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
[4] 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
[5] 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
[6] 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
[7] 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
[8] 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

Pá g i n a 7|7

View publication stats