Mantenimiento predictivo de cabina de pintura y horno de curado — el único cuello de botella que, cuando para, para toda la planta.

El problema

La instalación se degrada durante semanas — y el defecto se atribuye a otra causa.

En una planta de pintura de automoción hay un sitio por el que pasa todo: la cabina de aplicación y el horno de curado. No hay línea paralela, no hay desvío, no hay pulmón que aguante un turno. Si la cabina o el horno paran, para la planta entera — carrocerías retenidas aguas arriba, montaje sin coches aguas abajo. Y sin embargo, el mantenimiento de esa instalación crítica se sigue haciendo por calendario: se cambia el filtro que aún tenía vida y se escapa el rodamiento que ya sonaba.

Tres cosas pasan a la vez en una instalación de pintura real y casi nadie las junta:

1. El calendario no ve la condición real — la revisión toca cuando toca, no cuando la instalación lo pide. Se interviene lo que no hacía falta (coste y horas de parada regaladas) y se escapa lo que sí (la avería llega igual, pero sin avisar y en el peor momento).
2. La degradación lenta no dispara ninguna alarma — filtros saturándose poco a poco, ventiladores desequilibrándose, deriva de temperatura en una zona del horno. Nada de eso llega a parar la instalación… pero genera cráteres, hervidos y curados irregulares mucho antes de que algo falle del todo.
3. El defecto se atribuye a otra causa — como la instalación «funciona», el cráter se achaca a la pintura, a la aplicación, a la limpieza. Se abren semanas de prueba y error tocando variables de proceso, mientras la causa real — la instalación derivando — sigue avanzando hacia la parada.

El resultado es siempre el mismo: la parada no programada llega sin avisar, el repuesto se compra con urgencia, y el técnico veterano vuelve a diagnosticar de oído lo que ninguna alarma contó. El conocimiento que anticipa la avería vive en su cabeza; el día que se jubila, se va con él.

Cómo encaja con el sistema IRIS

iLEAN no sustituye tu GMAO ni tu SCADA — cruza lo que ninguno junta.

El problema de la cabina y el horno no es falta de instrumentación: las temperaturas por zona, la presión diferencial y los consumos de ventiladores ya se miden. El problema es que cada señal vive en su isla, la deriva combinada no dispara ninguna alarma individual y el defecto de pintura nunca se cruza con el estado de la instalación. iLEAN actúa como la masilla que une esas señales con el histórico de tu instalación concreta y con la calidad de salida, sin obra nueva y sin tocar la lógica del PLC.

Connect lee la instrumentación existente en tiempo real. Agents modelan la firma normal de la instalación, detectan la deriva incipiente y proponen la ventana de intervención que menos producción cuesta. La decisión la firma mantenimiento.

Las dos piezas iLEAN aplicadas al mantenimiento predictivo de pintura:

• Connect — capa de conexión sobre la instrumentación que ya existe: sondas de temperatura por zona del horno, transmisores de presión diferencial de la cabina, consumos eléctricos de los ventiladores de impulsión y extracción, señales del PLC de la instalación. Sin obra nueva: donde hay señal digital se integra directa; donde la instrumentación es vieja y aislada, se lee a través del sistema local de la instalación. Funciona en local: si la planta se queda sin red, Connect sigue leyendo, registrando y disparando alertas en el panel de planta. Lo crítico no depende del WiFi.
• Agents — agentes que aprenden la firma normal de tu cabina y tu horno (cómo arranca un lunes, cómo respira la presión con cada cambio de filtros, qué perfil de temperatura tiene cada zona a cada cadencia) y detectan la deriva incipiente que ningún umbral individual ve. Cuando una deriva se confirma, proponen la ventana de intervención que menos producción cuesta — fin de turno, parada ya programada, fin de semana — con la evidencia delante. Y cruzan cada defecto de pintura con el estado de la instalación en ese momento: el cráter con causa instalación deja de disfrazarse de problema de proceso. Los agentes proponen; la intervención la firma siempre mantenimiento.

Ver la arquitectura IRIS completa →

Antes y después

Mantenimiento por calendario vs. mantenimiento con iLEAN

Aspecto	Calendario + alarmas por umbral	Con iLEAN Connect + Agents
Criterio de intervención	Fecha fija, toque o no toque	Condición real de la instalación
Filtros de cabina	Cambio por fecha, saturación invisible	Tendencia de presión diferencial, cambio en ventana
Deriva de temperatura por zonas del horno	Invisible hasta el defecto o la avería	Detectada en horas, con zona señalada
Defecto de pintura con causa instalación	Semanas de prueba y error sobre el proceso	Cruce defecto-instalación, hipótesis en horas
Parada de cabina u horno	No programada — para toda la planta	Anticipada, en la ventana que menos cuesta
Repuestos y mano de obra	Compra urgente, técnico de madrugada	Planificados con la intervención
Conocimiento del técnico veterano	Vive en su cabeza	Firma aprendida por los agentes, replicable

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 planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Planta de automoción con cabina de pintura y horno de curado como cuello de botella único, mantenimiento por calendario, instrumentación clásica (temperaturas por zona, presión diferencial, consumos de ventiladores) y alguna parada no programada documentada en los últimos meses.
• Piloto Connect sobre la instrumentación existente + Agents aprendiendo la firma de la instalación durante 4-6 semanas antes de empezar a anticipar. Primer valor esperable en pocas semanas: el cuadro de cruces y las primeras derivas en tendencia aparecen pronto, antes de que el modelo predictivo afine.
• Reducción esperable de paradas no programadas de cabina y horno ≥30% en los primeros meses — suelo defendible, estimación a validar.
• Defectos de pintura con causa instalación identificados en horas, no en semanas de prueba y error tocando variables de proceso que no eran el problema.
• Payback orientativo entre 4 y 9 meses (estimación a validar). La palanca dura: cada hora de parada de cabina u horno es una hora de planta entera, y cada intervención pasa de urgencia con repuesto exprés a ventana planificada con repuesto en almacén.
• Beneficio recurrente que no entra en el ROI pero pesa: la firma aprendida de tu instalación queda como capacidad permanente de la planta, no de la persona que se jubila.

Y la duda razonable del jefe de mantenimiento

«¿Y si la IA infiere mal una deriva y me hace intervenir sin necesidad?» — los agentes de iLEAN no actúan solos sobre la instalación. Proponen; el jefe de mantenimiento decide; la intervención se ejecuta o no. La alucinación es un problema de la generación libre, no de las tareas ancladas: en tareas donde la IA cruza señales de la instalación con histórico y calidad de salida, los mejores modelos bajaron el error por debajo del 1,5%^[1]. Y aun así, lo crítico va a los anillos de seguridad — los agentes viven en el anillo exterior, proponen hacia dentro, y la intervención sobre la instalación la firma una persona. Nunca al revés.

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