Entrevista por Lisset Chávez

Si bien hay una consolidación cada vez más fuerte de las estrategias de mantenimiento, la tendencia de los últimos años ha estado marcada por el impulso a los sensores, el análisis de grandes conjuntos de datos, el IoT, Machine Learning, la AI y el enfoque holístico de la confiabilidad.

Por otro lado, es interesante ver la adopción de estos nuevos paradigmas. En muchos casos he visto como algunas de estas estrategias destierran a otras que aún no alcanzado un grado de madurez ni estabilidad en planta. Es como una ola que hecha por tierra a la anterior y no deja rastro alguno, pocas empresas tienen un plan a largo plazo en el que permitan una madurez tras la adopción de una estrategia o herramienta y dejar que rinda frutos, la mayoría van picando entre una y otra.

El caso mas claro es el de las industrias que quieren implantar modelos analíticos en base a años de datos de mantenimiento que tienen almacenados. Una vez que empiezan se dan cuenta del trabajo que esto requiere y buscan en la Inteligencia Artificial una solución, como si de una barita mágica se tratase. Lo mismo ocurre con los sensores, creen que instalando alguno en una maquina se solucionan los problemas o se reducen los costos.

En los casos de éxito se ve claramente una evolución, que en el sentido estricto de la palabra es una transición paulatina de un estado inicial a uno final que debería ser mejor. Esa transición conlleva tiempo, esfuerzo, dedicación, inversión y conocimiento; son pocas las industrias que gozan de este conjunto de características.

2. Como experto en monitoreo de condición del lubricante, ¿puedes hablarnos sobre los desafíos más comunes que enfrentan las plantas industriales en cuanto a Confiabilidad y cómo abordas esos desafíos?

El desafío más grande que tienen los usuarios del monitoreo de condición del lubricante es determinar qué conjunto de pruebas van a determinar el modo de fallo del lubricante y recibir una interpretación coherente y precisa. Es importante entender que la gran mayoría de laboratorios comerciales únicamente analizan el lubricante y emiten un informe. A penas un par de laboratorios en el mundo ofrecen un servicio post informe, con un seguimiento exhaustivo y desde el punto de vista de la confiabilidad del equipo.

El lubricante, sea grasa o aceite, no termina de ser entendido a nivel industrial. El lubricante es un activo que sufre cambios fisicoquímicos y cuyo efecto en muchos casos no solo es nocivo para el propio lubricante sino también para el componente lubricado.

Otro gran desafío es entender este concepto y el impacto que tiene en el modo de fallo de cada lubricante. El análisis de aceite es una herramienta de amplio uso y que tiene una trayectoria muy larga, pero apenas un puñado de usuarios conocen cómo falla el lubricante que tienen en servicio.

Por otro lado, un alto porcentaje de las industrias que utilizan el análisis de aceite como herramienta del PdM seleccionan las pruebas de laboratorio en base a precio, la han copiado de una licitación que por desgracia esta colgada en internet o han escuchado a un “gurú” del análisis de aceite que nunca ha trabajado en un laboratorio.

La parte más crítica de mi trabajo consiste en hacer análisis FMEA, Arboles de Fallo y ciclo de vida del lubricante, donde cada industria y planta tiene unas variables diferentes. Debido a los acontecimientos globales a partir de la pandemia, productos como los lubricantes han visto afectado su cadena de suministro. Esto ha ocasionado que la industria tenga que recurrir a dilatar el cambio del lubricante, mezclar productos sin tomar en cuenta la compatibilidad y efectos en la maquinaria. Por estas razones, los análisis que realizo son cada vez más críticos y no veo que esta tendencia vaya a decrecer.

3. ¿Cuáles son tus responsabilidades clave como Gerente de Confiabilidad en Polaris y cuál es tu contribución principal al equipo?

Tengo una relación es directa con el equipo de confiabilidad de nuestros clientes con los que colaboro en temas de ciclo de vida, modos de fallo, identificación de problemas, pronóstico de situación, mantenimiento prescriptivo del lubricante e impacto en los ciclos de producción. Mi función es como un staff al departamento de confiabilidad o mantenimiento ya que no todas las plantas cuentan con un experto en lubricación y en pocos casos hace falta uno a tiempo completo.

En un estudio que terminé el 2022 se evidencia que el tiempo que demanda la industria de un experto en lubricación varía entre 18 y 67%, según el tipo de industria. Esto da lugar a poder desplegar no solo conocimiento sino también diversas herramientas aplicadas a este campo, desde asesoramiento técnico, toma de decisiones, entrenamiento al equipo de predictivo, etc.

Una parte importante de mis responsabilidades comienza cuando el informe de análisis de aceite está terminado. A partir de ahí mi función es convertir esos datos en acciones de mejora y toma de decisiones. En este sentido, he encontrado mucho valor en la estadística aplicada, el análisis de grandes volúmenes de datos y los fundamentos de análisis de aceite & lubricación. Esta combinación me ha permitido ver aspectos que por lo general suelen estar ocultos sino son tratados adecuadamente.

4. ¿Cuál consideras que es el papel crucial de la analítica de datos y la inteligencia de negocios en el Mantenimiento Predictivo, y cómo los aplicas en tu trabajo diario?

Si bien la Inteligencia de Negocios (Business Intelligence o BI, por sus siglas en inglés) se ha aplicado mucho más al área comercial y financiera, el PdM no tiene porque quedar fuera de su alcance. El BI se refiere al conjunto de tecnologías, procesos y herramientas que ayudan a las empresas a recopilar, analizar y presentar información relevante para la toma de decisiones estratégicas y operativas. El objetivo principal del BI es transformar datos brutos en información significativa y procesable para mejorar la eficiencia y la efectividad de una organización. Este objetivo se puede aplicar perfectamente al PdM.

En mi caso, trabajo no solamente con datos de PdM, sino que cruzo esta información con datos relevantes de operación. Por ejemplo, si hablamos de un equipo que genera energía incorporo información de la potencia generada, consumo energético, temperaturas y variables de mantenimiento. Este conjunto de datos permite visualizar de una manera mucho mas amplia lo que ocurre con un activo, hacia donde se dirige y cuáles deberían ser las políticas aplicables a la gestión del activo.

5. Has desarrollado herramientas de análisis de datos aplicadas al análisis de aceite. ¿Podrías proporcionar ejemplos de cómo estas herramientas han mejorado la toma de decisiones en el monitoreo de condiciones de aceite?

Si, a lo largo de estos últimos años he desarrollado varias herramientas para la mejora de toma de decisiones para diversas aplicaciones industriales. Una de las preguntas mas frecuentes cuando hablamos de lubricantes en servicio es ¿cuánto va a durar el lubricante en estas condiciones? Sobre todo, en el sector de generación de energía, esta es una pregunta clave, ya que la disponibilidad de toda la planta depende muchas veces de esto. Algunas de las herramientas que tengo permiten determinar la condición del lubricante en función de su ciclo de vida, de esta manera es posible tomar una decisión a corto y medio plazo.

Otra área en la que he trabajado en los últimos años es la pérdida de propiedades de rodamientos de aerogeneradores. Un rodamiento no necesariamente falla catastróficamente, pero va perdiendo sus características de diseño, en algunas ocasiones de manera acelerada. En este sentido, el análisis de la grasa en servicio brinda mucha información. Analizando esta situación diseñé una herramienta para la determinación de un grado de severidad individual en un conjunto de rodamientos, de esta manera es posible centrarse en aquellos que requieren atención con mayor prioridad que el resto. Un parque eólico puede tener unos cientos de rodamientos y no se puede atender a todos al mismo tiempo.

6. ¿Cuál es tu enfoque para convertir los problemas identificados por los clientes industriales en oportunidades beneficiosas para ambas partes?

He trabajado con algunas herramientas y metodologías cuyo objetivo va desde identificar el problema real, encontrar la solución hasta convertirlo en una oportunidad. Sin embargo, me quedo con una que me ha servido en muchos ámbitos, no solo el laboral. Utilizo el proceso cognitivo de Bloom. Este se compone de seis partes: conocimiento, comprensión, aplicación, análisis, síntesis y evaluación.

Un proceso cognitivo son los pasos que realiza el cerebro a la hora de procesar cierta información y en muchos casos representa una forma ordenada del análisis de situación previo a una toma de decisión.

Los seis pasos previos son importantes. Sin embargo, a mi parecer sin el primero, el conocimiento, es muy difícil dar solución a ciertos problemas, en especial en un ámbito tan técnico como el mantenimiento. A su vez, el conocimiento, se compone de experiencia y fracasos. Tienes que haberte equivocado para alcanzar cierto grado de experiencia y esto te permite afrontar un problema hasta encontrar la solución adecuada.

7. Has trabajado en diferentes regiones, como EMEA, Norte y Sud América. ¿Cómo gestionas las diferencias regionales en los mercados de condiciones de aceite y Mantenimiento Predictivo?

Al gestionar diferencias regionales, es fundamental mantenerse actualizado sobre las tendencias y cambios en cada mercado. La adaptabilidad y la apertura para entender cada región son clave para el éxito en la implementación de estrategias de mantenimiento predictivo a nivel global. No todas las regiones o países están en la misma línea y las tendencias afectan directamente a lo que el cliente busca. Hay una frase de marketing que dice “actúa localmente, pero piensa a nivel global”. En este sentido es necesario tomar en cuenta al menos los siguientes aspectos:

1. Conocimiento del mercado local
2. Adaptación a las normativas locales
3. Entendimiento de la cultura empresarial  
4. Idioma y comunicación
5. Identificación de socios locales
6. Tecnologías disponibles
7. Evaluación de riesgos y costos
8. Flexibilidad de la estrategia

8. En tu papel como instructor, has desarrollado y liderado varios cursos. ¿Cómo adaptas tu enfoque de enseñanza para satisfacer las necesidades específicas de los participantes y garantizar una comprensión sólida de los conceptos impartidos?

Suelo comenzar los cursos con una conversación con los asistentes. El objetivo principal es conocer porqué el asistente está en el curso. En otras palabras, cuál es la razón que persigue una persona que está realizando una inversión económica o de tiempo. Lógicamente, las respuestas varían bastante por lo que es necesario saber adecuarse a los objetivos individuales, pero sin perder de vista los objetivos del curso. Ahí entra en juego la experiencia de casos reales en los que tuve la oportunidad de trabajar; saber adecuar esos casos a la realidad de otras personas crea un vínculo y a partir de este puedes generar interés, confianza y credibilidad.

Transmitir conocimiento es un arte que no se alcanza en un corto plazo, necesitas contar con mucha experiencia, paciencia, saber escuchar y sobre todo haber sido un discípulo.

Tuve la fortuna de oír, cada semana durante veinte años, a uno de los mejores maestros en comunicación. Desde la preparación previas de sus charlas hasta cada palabra estaban estructuradas específicamente para que el oyente entienda el concepto central de lo que quería transmitir. Creo que hasta el día de hoy intento imitar lo aprendido, lógicamente aplicándolo al campo de mi competencia.

9. Como líder en el desarrollo de programas de lubricación, ¿puedes proporcionar un ejemplo de un proyecto en el que hayas enfrentado desafíos significativos y cómo los superaste para lograr el éxito?

Las situaciones mas complejas se dan sobre todo con clientes globales que tienen operaciones en diversos países. En estos casos el cliente intenta unificar criterios para que la resolución de problemas pueda estandarizarse; es decir, si el resultado de un análisis esta por encima del limite se toma la decisión X.  Si bien las condiciones desde el punto de vista de mantenimiento varían de un país a otro, el factor mas critico son las personas. En estas situaciones muchas veces me toco hacer de psicólogo mas que de ingeniero.

En un caso en concreto teníamos a un director de mantenimiento de un país que se oponía firmemente a realizar unos cambios a su proceso interno. La conversación estaba truncada y no había manera de solucionarla. Por ese tiempo estaba leyendo un libro con recopilaciones de notas de William James, padre de la psicología americana, me brillaron los ojos cuando encontré un diagrama sobre psicología cognitiva que podía servir para desatar el enredo que teníamos con el cliente global. Afortunadamente, los aportes de James sirvieron de mucho y se soluciono el tema. Ahora hay una tendencia de incluir el factor humano dentro del mantenimiento para la resolución de problemas y es probablemente el eslabón más débil de toda esta cadena. Un técnico de mantenimiento me dijo una vez, las maquinas fallan cuando nosotros queremos que fallen. Una frase que da mucho para pensar.

10. La tecnología está en constante evolución. ¿Cómo te mantienes actualizado sobre las últimas tendencias y avances en el monitoreo de condiciones de aceite y el Mantenimiento Predictivo?

El internet es actualmente la principal fuente de acceso a conocimiento en nuestros días. Ya sea una plataforma de aprendizaje, un webinar o una conferencia virtual; todas estas son fuentes potenciales de conocimiento. Sin embargo, es necesario hacer un zarandeo de la información; es decir, separar el trigo de la cizaña.

En el ámbito del análisis de lubricantes abunda la cizaña, personas que como mucho han visitado un laboratorio de análisis de lubricantes en alguna ocasión y ofrecen sus servicios como instructores, escriben artículos, hacen apariciones en congresos y su conocimiento se basa en una presentación de PowerPoint que han copiado. En psicología esto se conoce como el efecto Dunning-Kruger, personas con conocimiento limitado que se consideran gurús en un área en concreto.

El principal reto de nuestros días ya sea en el campo del PdM u otro similar, es identificar algo realmente valioso, que cuente con una base teórica sólida, mantenga un perfil poco comercial y tenga casos debidamente analizados. Las mejores fuentes de este tipo son las tesis doctorales, las publicaciones de investigaciones en sitios de divulgación reconocidos y trabajos específicos en centros de investigación y desarrollo.

La actualización en cualquier campo requiere de una inversión, tanto económica como de tiempo y es algo a lo que mucha gente renuncia por diversas razones. Pero, ante todo se requiere un grado de humildad, caso contrario caes en los lazos del efecto Dunning-Kruger muy fácilmente. Se necesita alrededor de diez mil horas de entrenamiento en un tema y a partir de esto una persona puede considerarse que comienza a dominar el tema.

11. ¿Cuál es tu visión para el futuro de las tecnologías de Mantenimiento Predictivo y cómo anticipas que evolucionarán en los próximos años?

Llevamos unos cuantos años en un estancamiento enmascarado de las herramientas del PdM. A pesar de que en 2011 se dio el pistoletazo de salida al i4.0, lo único que ha sucedido con estas herramientas es que se ha añadido un slogan comercial. Big Data, Ai, Machine Learning y un largo etcétera. Las tecnologías siguen siendo las mismas, quizá con algunas mejoras en cuanto a los procesos, pero poco destacables. En este momento hay un par de apuestas que están teniendo bastante impulso y que probablemente nos lleven a otro nivel de conocimiento en el área del mantenimiento.

El primero son los sensores embebidos, cuya función principal es capturar datos específicos para permitir que el sistema tome decisiones o realice ajustes en tiempo real. La integración de estos sensores permite una mayor automatización, monitorización y capacidad de respuesta a cambios en el entorno o en el propio sistema. Además, contribuyen a la creación de sistemas más inteligentes y conectados dentro del marco del Internet de las Cosas (IoT).

La otra gran apuesta es la conectividad. Hasta hace poco cablear una máquina para sensorizarla era un desafío a todo nivel, desde el técnico hasta el tema de seguridad; en zonas ATEX, por ejemplo, esto era una misión imposible.

Las redes inalámbricas de nueva generación son capaces de transmitir grandes volúmenes de datos como voz, texto, imágenes y video. Esto está permitiendo el análisis casi en tiempo real mucha información, nueva y almacenada.

Un indicador clave para conocer la evolución de estas áreas son los fondos gubernamentales para la mejora de la tecnología. Las inversiones europeas en I+D, por ejemplo, en el área de sensores embebidos y conectividad industrial ha venido triplicándose cada año desde el 2018. Probablemente los resultados no sean visibles, al menos para el usuario industrial, hasta la próxima década. Sin embargo, este es probablemente el indicador más fidedigno de a donde se dirigen los próximos avances tecnológicos a nivel industrial.

12. Trabajando en diferentes partes del mundo, ¿has aprendido alguna expresión o frase en algún idioma local que te haya resultado divertida o útil en situaciones inesperadas?

Tuve que trabajar un par de semanas en Kirguistán haciendo una auditoria al programa de lubricación e impartiendo un curso en la misma área. Allí utilizan una frase en kirguís que al oído castellano sonaba como un trabalenguas, traducida quiere decir “aunque ahora no lo sé, con esfuerzo puedo aprenderlo”.

El curso de lubricación implicaba muchos conceptos nuevos y muchos de los asistentes nunca habían escuchado hablar si quiera de la lubricación o análisis de aceite. Fue así como en ese ambiente cada cinco minutos alguien decía esa célebre frase.

A la largo de los años me ha servido de mucho acordarme de ese viaje y de esa frase. Nos pasa en muchos ámbitos, no solo en el laboral y a pesar de que hoy no seas capaz de hacer algo si dedicas tiempo y esfuerzo quizá puedas llegar a aprenderlo.