Optimizas el mantenimiento máquina por máquina. Calculas el intervalo perfecto para cada activo, y lo aplicas a toda la flota. Suena riguroso. Y aquí está el problema: probablemente estás interviniendo demasiado pronto.
Un activo no es una flota
Un estudio reciente demuestra algo que la mayoría de los planes de mantenimiento ignora: el tiempo óptimo de mantenimiento preventivo para una población de equipos es mayor que el calculado para una máquina aislada.
La razón no es intuitiva. Una flota se renueva sola: entran equipos nuevos mientras otros salen. En cualquier momento, el número esperado de equipos operando es menor de lo que asumes al mirar una sola máquina. Ese detalle desplaza el punto óptimo. Copiar la regla de “un activo” sobre “toda la flota” te hace reemplazar antes de lo necesario, y eso cuesta dinero.
El segundo error: confundir fallo con rendimiento
Los autores separan dos cosas que solemos mezclar: que un equipo falle y que un equipo produzca menos. Un aerogenerador que sigue girando pero rinde por debajo ya está degradando valor, aunque no haya “fallado”. Si tu criterio de intervención solo mira el fallo, llegas tarde a esa pérdida.
Qué hacer con esto
Deja de optimizar activos sueltos. Modela la flota como lo que es: una población dinámica que genera valor a lo largo de su ciclo de vida. Ahí está el intervalo que de verdad maximiza el retorno.
¿Estás decidiendo tus intervalos con la lógica correcta? Si este tema conecta con un problema real en tu operación, escríbenos.
You optimize maintenance machine by machine. You calculate the perfect interval for each asset and apply it across the whole fleet. Sounds rigorous. And here’s the problem: you’re probably intervening too soon.
One asset is not a fleet
A recent study proves something most maintenance plans ignore: the optimal preventive maintenance time for a population of equipment is longer than the one calculated for a single, isolated machine.
The reason isn’t intuitive. A fleet renews itself: new units come in while others go out. At any given moment, the expected number of operating units is smaller than you assume when looking at one machine. That detail shifts the optimum. Copying the “single asset” rule onto “the whole fleet” makes you replace earlier than necessary — and that costs money.
The second mistake: confusing failure with performance
The authors separate two things we tend to blur: equipment failing and equipment producing less. A wind turbine that keeps spinning but underperforms is already degrading value, even if it hasn’t “failed.” If your intervention criterion only watches for failure, you arrive late to that loss.
What to do with this
Stop optimizing isolated assets. Model the fleet as what it is: a dynamic population generating value across its life cycle. That’s where the interval that truly maximizes return lives.
Are you setting your intervals with the right logic? If this connects with a real problem in your operation, write to us.
Reference: Finkelstein, M., Cha, J. H., & Bedford, T. (2023). Optimal preventive maintenance strategy for populations of systems that generate outputs. Reliability Engineering & System Safety, 237, 109334. https://doi.org/10.1016/j.ress.2023.109334
