Mantenimiento Predictivo en una Planta de Recambios de Automoción en Teruel
- 2026-09-08
- 6 min de lectura
- Teruel
- Línea de Producción Robotizada · Diagnóstico en Tiempo Real · Dashboard Power BI
Esta planta de recambios de automoción en Teruel fabrica piezas metálicas en una línea de producción robotizada. Dos problemas convivían sin conexión entre sí: nadie tenía visibilidad real de cuánto metal se perdía en el proceso hasta el cierre de mes, y cuando un robot de la línea fallaba, la parada podía superar las 2 horas. Esto es lo que hicimos en 3 meses para resolver ambos con un mismo cuadro de mando.
El Punto de Partida
La entrada de metal en bruto y las unidades producidas se registraban en sistemas separados, sin cruzarse entre sí de forma sistemática. El resultado era que la merma de material solo se hacía visible en el cierre de mes, cuando ya no había nada que hacer al respecto salvo anotarla.
En paralelo, la línea de producción dependía de varios robots con un punto débil conocido pero no monitorizado: cuando ese componente se recalentaba, el robot se detenía sin previo aviso. La planta lo sufría como una parada de más de 2 horas cada vez, con un coste estimado de 10.000-15.000 € por incidente entre producción perdida y tiempo de reparación.
Lo que Conectamos
Empezamos por la captura de datos de entrada de metal en bruto y de unidades producidas, cruzando ambos flujos para que la merma de material fuera visible línea a línea y día a día, no solo al cierre de mes.
Para el problema de los robots, instalamos sensores de temperatura en el punto débil ya identificado de cada máquina, con lectura continua integrada en el mismo cuadro de mando. En vez de esperar al fallo, el sistema avisa en cuanto la temperatura empieza a desviarse de su rango normal.
Cómo lo Implementamos: Proceso Fase a Fase
- 1
Captura de Stock y Producción
Mes 1Conectamos los registros de entrada de metal en bruto y de unidades producidas en una única base de datos, estructurada para comparar ambos flujos por línea y por día en vez de solo al cierre de mes.
- 2
Diagnóstico en Tiempo Real de los Robots
Mes 2Instalamos sensores de temperatura en el punto débil ya conocido de cada robot de la línea, con lectura continua. El objetivo no era solo registrar el dato, sino generar una alerta accionable antes de que el componente fallara.
- 3
Cuadro de Mando y Protocolo de Sustitución
Mes 3Integramos ambos flujos de datos en un cuadro de mando Power BI único (producción, unidades, mermas y reciclaje) y definimos, junto con mantenimiento, un protocolo de sustitución del componente en cuanto la alerta de temperatura se dispara: la pieza cuesta unos 20 € y su cambio tarda menos de 15 minutos, frente a una parada no planificada de más de 2 horas.
Retos Reales Durante la Implementación
Cruzar datos que vivían en sistemas separados
El dato de entrada de metal y el de unidades producidas no estaban pensados para cruzarse automáticamente. Hubo que definir una estructura común antes de que la merma real fuera visible con fiabilidad.
Fijar el umbral de temperatura correcto
Un umbral de alerta demasiado sensible genera avisos falsos que el equipo acaba ignorando; uno demasiado laxo no da margen para actuar antes del fallo. Ajustamos el umbral con mantenimiento hasta encontrar el punto que anticipa el fallo real sin saturar de alertas.
Resultados a los 3 Meses
Con el cuadro de mando ya en producción, esto es lo que cambió frente a la situación de partida:
Visibilidad de mermas de metal
Detectada al cierre de mes → Visible por línea y por día
Miles de €/mes identificados
Parada por fallo de robot
2h+ / incidente (10.000-15.000 €) → Sustitución preventiva en <15 min
Parada no planificada evitada
Coste del componente sustituido
— → ~20 € / sustitución
Frente a 10.000-15.000 € por parada
| Métrica | Antes | Con Metricon | Impacto |
|---|---|---|---|
| Visibilidad de mermas de metal | Detectada al cierre de mes | Visible por línea y por día | Miles de €/mes identificados |
| Parada por fallo de robot | 2h+ / incidente (10.000-15.000 €) | Sustitución preventiva en <15 min | Parada no planificada evitada |
| Coste del componente sustituido | — | ~20 € / sustitución | Frente a 10.000-15.000 € por parada |
El cambio más importante no es solo económico: es que el equipo de mantenimiento pasó de reaccionar a una parada ya ocurrida a actuar sobre una alerta antes de que el fallo llegara a producirse. El mismo cuadro de mando que hizo visible la merma de metal es hoy el que muestra producción, unidades, mermas y reciclaje en tiempo real para el resto de la planta.
Qué Nos Llevamos de Este Proyecto
Un punto débil conocido pero no monitorizado sigue costando dinero hasta que alguien lo convierte en una alerta accionable.
Cruzar datos que ya existían en sistemas separados, sin necesidad de nuevo hardware, puede ser suficiente para hacer visible una merma que llevaba meses o años oculta.
El mantenimiento predictivo no siempre requiere modelos complejos: a veces basta con medir la variable correcta (aquí, temperatura) y actuar antes del umbral de fallo.