Las tecnologías de mantenimiento predictivo prometen detectar fallas antes de que ocurran. Invertimos en sensores, plataformas de IA y dashboards sofisticados. Pero aún así, muchas empresas no logran capturar valor real y sostenido de estas tecnologías.
¿El problema? Los errores más comunes están en la estrategia de implementación, no en la tecnología misma. Equipos que "descansan" siguen degradándose, señales con ruido generan diagnósticos erróneos, y la inteligencia artificial se implementa sin conectar con decisiones operativas concretas.
Conversamos con Martín Themtham, líder del Mantenimiento Basado en Condición del Upstream en Pan American Energy, sobre los tres errores que impiden capturar valor real con MBC e IA.
En esta edición:
• Por qué el monitoreo no se apaga cuando el equipo descansa
• Cómo el ruido en señales sabotea tus diagnósticos predictivos
• La inteligencia artificial como acelerador, no como estrategia
Martín Themtham
Líder Regional de Mantenimiento Basado en Condición - Upstream en Pan American Energy
Martín es especialista en equipos rotantes y estrategias de mantenimiento basadas en condición con 19 años de experiencia en la industria energética. Actualmente conduce la implementación de tecnologías predictivas e inteligencia artificial para optimizar la gestión de activos físicos en Pan American Energy, donde se ha logrado optimizar recursos, materiales, producción y costo de ciclo de vida.
"Uno de los errores más frecuentes es creer que si el equipo está detenido, no falla", explica Themtham. "La realidad es que los activos se degradan en reposo: corrosión silenciosa, rodamientos que se deterioran por no girar, deriva de señales y humedad que avanza sin permiso".
Themtham recuerda un caso donde el monitoreo de temperatura en una bomba multietapa detectó un descenso anormal en un equipo fuera de servicio. "Esa alerta temprana nos permitió intervenir antes de que se congelara el fluido y se dañaran sellos internos. Sin ese control, la siguiente puesta en marcha hubiera significado costos altos y riesgo operativo".
Recientemente, una alerta de IA detectó un desvío en la lectura de una bomba de 4.800HP. La causa: falla en la aislación que generaba ruido eléctrico. "Era un síntoma sutil que podría haberse traducido en una parada inesperada o, peor aún, en un diagnóstico equivocado de una falla inexistente", detalla.
"Una señal limpia no solo asegura decisiones más precisas: también evita intervenciones innecesarias y protege el ciclo de vida de los activos", agrega Themtham.
Aunque cada vez más empresas invierten en sensores y plataformas predictivas, muchas no logran capturar valor sostenido. "Se prioriza la tecnología por sobre la estrategia, falta alineación con decisiones operativas y no hay KPIs claros que conecten salud de activos con resultados", observa.
El verdadero diferencial está en conectar insights predictivos con decisiones tácticas, medir impacto económico y empoderar al equipo con información útil, no solo alertas.
Nota del entrevistador: Con Vaca Muerta posicionándose como la segunda reserva de gas natural más grande del mundo, Argentina tiene una oportunidad histórica de convertirse en un actor clave del mercado energético global. En este contexto, la continuidad operativa no es solo una ventaja competitiva: es fundamental para el posicionamiento del país. La experiencia de Themtham demuestra que cuando las metodologías predictivas se implementan correctamente, trascienden la adopción tecnológica y se convierten en pilares estratégicos para maximizar el potencial de nuestros recursos energéticos.
Para resumir: El Mantenimiento Basado en Condición exitoso requiere monitoreo continuo (incluso en equipos detenidos), calidad en las señales de instrumentos y una estrategia que conecte la tecnología con decisiones operativas concretas. Como demuestra la experiencia de Pan American Energy, el valor real surge cuando la inteligencia artificial se integra con objetivos de negocio medibles.
Como dice Themtham: "Los equipos fallan también cuando descansan."
