KPIs Predictivos
Metricas de valor del mantenimiento predictivo incluyendo tiempo anomalia-a-OT, tasa de falsos positivos, porcentaje de OT auto-creadas, downtime no planeado y precision de RUL.
KPIs Predictivos
Los KPIs predictivos cuantifican el valor real que aporta el motor de mantenimiento predictivo. Mientras los dashboards operativos muestran el estado actual, los KPIs predictivos responden a la pregunta de negocio mas importante: el sistema predictivo esta generando ROI medible?
Cada metrica esta disenada para capturar un aspecto diferente del rendimiento del motor: velocidad de deteccion, precision de alertas, nivel de automatizacion, impacto en disponibilidad y exactitud de las predicciones de vida util. El periodo de analisis es configurable entre 1 y 365 dias, permitiendo comparar periodos cortos y tendencias anuales.
Estas metricas son el puente entre el comportamiento tecnico del algoritmo y los objetivos operativos del negocio.
Para que sirve?
- Demuestra el ROI del mantenimiento predictivo con datos objetivos.
- Identifica si el motor esta generando demasiados falsos positivos (fatiga de alertas).
- Mide el nivel de automatizacion real del proceso de generacion de OTs.
- Cuantifica la reduccion de downtime no planeado atribuible al sistema.
- Evalua la precision de las predicciones de vida util residual (RUL) contra lo ocurrido.
Como funciona?
Metricas disponibles
| KPI | Descripcion | Unidad |
|---|---|---|
| Tiempo anomalia-a-OT | Tiempo promedio desde que se detecta una anomalia hasta que se crea una OT | Horas |
| Tasa de falsos positivos | Porcentaje de alertas predictivas que no derivaron en falla real | % |
| % OT auto-creadas | Proporcion de OTs generadas automaticamente por el motor vs. las creadas manualmente | % |
| Downtime no planeado | Horas de parada no programada en el periodo analizado | Horas |
| Precision de RUL | Error absoluto medio entre el RUL predicho y el RUL real al momento de la falla | % |
Tiempo anomalia-a-OT
Mide la velocidad de reaccion del sistema. Un valor bajo indica que el pipeline anomalia → alerta → OT esta funcionando de forma eficiente. Se calcula como la media de todas las transiciones completadas en el periodo.
Tasa de falsos positivos
Una tasa alta indica que el modelo esta siendo demasiado sensible o que los umbrales de probabilidad son bajos. Se calcula dividiendo alertas sin falla confirmada entre total de alertas emitidas.
tasa_fp = alertas_sin_falla / total_alertas * 100Porcentaje de OT auto-creadas
Mide el nivel de autonomia del sistema. A mayor porcentaje, menor carga manual para el equipo de planificacion.
Precision de RUL
Compara la vida util residual predicha en el momento de la intervencion con la vida util real observada. Un error menor al 15% se considera de alta precision para la mayoria de los activos industriales.
Periodo configurable
Todos los KPIs se calculan sobre un periodo seleccionable:
| Periodo | Uso tipico |
|---|---|
| 7 dias | Revision semanal operativa |
| 30 dias | Revision mensual de rendimiento |
| 90 dias | Evaluacion trimestral |
| 365 dias | Reporte anual de ROI |
Uso desde el Dashboard
- Ve a Mantenimiento > KPIs Predictivos.
- Selecciona el periodo de analisis en el selector de fechas (1-365 dias).
- El dashboard muestra las cinco metricas con su valor actual y tendencia respecto al periodo anterior.
- Haz clic en cualquier KPI para ver el detalle y el listado de eventos que lo componen.
- Exporta el reporte en PDF o CSV desde el boton Exportar.
Configuracion Predictiva
Configuracion centralizada de umbrales y pesos del motor predictivo por tenant. Ajusta AHI, probabilidad de falla, madurez y confianza sin cambios de codigo.
Monitoreo de Condición
Sistema de monitoreo predictivo ISO 13374 con 6 niveles: desde la adquisición de datos de sensores hasta recomendaciones de mantenimiento generadas por IA.