Tren de laminación parado sin avisar — la hora más cara del mes.

El problema

El predictivo clásico falla porque mira señales sin contexto.

En una acería de Monterrey, la línea de laminación es la pieza más cara de parar. Y aun así, casi todo el mantenimiento sigue siendo correctivo o preventivo a calendario. El predictivo clásico — un sensor de vibración con umbral fijo — choca con tres realidades:

1. Falsos positivos constantes. Cuando cambia el calibre o el ritmo, la vibración sube por motivos sanos. El umbral fijo dispara y el técnico aprende a ignorar la alarma. La alarma que se ignora es la alarma que mata el sistema.
2. Falsos negativos catastróficos. El patrón previo a fallo de rodamiento no siempre rompe un umbral — a veces es un cambio sutil de la firma de vibración que solo se ve comparado con tu propio ruido normal aprendido.
3. Datos en islas. La vibración vive en su software, el CMMS en otro, la termografía en una cámara de mano y el plan de producción en SAP. Cuando alguien quiere cruzar los cuatro, ya pasó la ventana de intervención.

El resultado: el mantenimiento sigue siendo «cambio el rodamiento cada X horas» o «vamos a ver qué pasó cuando paró». Ninguno de los dos es predictivo. Son la cuota mensual de incertidumbre de tu tren.

Cómo encaja con el sistema IRIS

Edge aprende el ruido normal de tu tren — el agente cruza con el plan de producción.

El predictivo industrial dejó de ser un sensor + umbral. Es un sistema IRIS: captura de la realidad de la planta de abajo hacia arriba + un cerebro multiagente que cruza esa señal con el histórico y el plan, y propone la ventana al técnico. iLEAN actúa como la masilla que rellena los huecos entre el sensor, el CMMS y el ERP — sin que tires nada de lo que ya tienes.

Edge ve y oye el tren en sitio. Connect lee CMMS y plan de producción. El agente cruza patrón con histórico y propone la parada en la ventana que menos te cuesta. El técnico firma — el sistema no detiene la línea por su cuenta.

Las piezas iLEAN aplicadas al predictivo de laminación:

• iLEAN Edge — terminales físicos en gabinete IP65 al pie del tren. Acelerómetros sobre rodamientos de cilindros de trabajo y apoyo, cámaras IR sobre puntos críticos del tren caliente, lectura del par del motor principal. La CNN aprende el ruido normal de tu línea a tu cadencia. Funciona sin red. Si la nave se queda sin conectividad, Edge sigue captando y registrando — sube cuando puede.
• iLEAN Connect — integración con el CMMS (SAP PM, Maximo, Mantec) para leer la historia de intervenciones y escribir órdenes de trabajo. Lectura del plan de producción del MES/ERP. Captura de la termografía que el equipo ya hace con cámara de mano (la foto se sube por la app y entra al sistema). La graduación de captura se adapta a cada máquina.
• iLEAN Agentes — viven en Central, cruzan la firma de vibración, la termografía, el par y el histórico de fallos. Cuando el patrón se desvía, no envían un email a las 22h: proponen la ventana de intervención al técnico (cuándo, qué pieza, qué duración estimada, qué tocho hay programado). El técnico decide. Los agentes no tienen manos en la OT crítica.

Ver la arquitectura IRIS completa →

Antes y después

Predictivo de umbral vs. predictivo con iLEAN Edge

Aspecto	Sensor + umbral fijo	Con iLEAN Edge + Connect + Agentes
Base de la alarma	Umbral fijo, igual para toda condición	Patrón aprendido del ruido normal de tu línea
Falsos positivos	Frecuentes — alarma ignorada	Mínimos — la alarma se respeta porque acierta
Contexto de la alarma	Sin cruzar con plan ni histórico	Cruzada con CMMS y plan de producción
Acción propuesta	«Revisar rodamiento»	Ventana óptima de intervención + duración estimada
Funcionamiento sin red	n/a o limitado	Edge sigue captando con la luz del cuadro
Captura del veterano	El conocimiento se va con él	El patrón que él reconocía queda en la CNN

Estimación de impacto

Estimación de impacto para tu planta — a validar con tus números.

El siguiente bloque es una estimación a validar con los datos concretos de tu tren. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Tren de laminación en caliente con cilindros de trabajo + apoyo, motor principal de varios MW, varias cajas de engranajes y bombas hidráulicas críticas.
• Piloto Edge sobre 4-6 puntos críticos (rodamientos de caja, motor principal, bombas hidráulicas) + integración Connect con CMMS y plan de producción. Primer valor — primer aviso anticipado con margen útil — esperable en pocas semanas tras el aprendizaje del ruido normal.
• Reducción de paradas no programadas ≥ 30% en el primer trimestre. Recuperación del tocho que hoy se enfría dentro del tren por parada de emergencia.
• Payback orientativo entre 4 y 9 meses, dependiendo del coste hora de tu tren y de la frecuencia de fallos previos. La palanca dura es una sola parada no programada evitada en un tren caro.

Y la duda razonable del jefe de mantenimiento

«¿Y si la IA falla la predicción y paramos un tren que estaba sano?» — la alucinación es un problema de la generación libre, no de las tareas ancladas. Reconocer un patrón previo a fallo en una firma de vibración, comparada contra el ruido normal aprendido de tu propia línea, es una tarea anclada. Los mejores modelos bajaron el error por debajo del 1,5% ^[1]. Y aun así, lo crítico no se decide solo: el agente propone ventana, el técnico firma. Los tres anillos de seguridad están ahí precisamente para esto.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.