Cada feria comercial tiene la misma diapositiva: una traza de vibraciones, un marcador rojo dos semanas antes del desmontaje, una leyenda que dice que la falla fue predicha. Nadie en la sala lo discute, porque no hay nada que discutir: el evento es real y el algoritmo lo marcó. La diapositiva simplemente responde a una pregunta que ninguna organización de mantenimiento tiene: si la falla podía verse en datos que ya existían. Las preguntas que el operador realmente debe responder son qué envía el mismo detector durante los varios miles de semanas-avión en las que nada estaba mal, quién está autorizado a leer los datos de los que se alimenta, y qué se le permite cambiar a todo ello en el programa de mantenimiento aprobado.
La demostración es la parte más fácil del problema
Una demostración retrospectiva se construye hacia atrás. El evento es conocido, el avión es conocido, el parámetro que se movió es conocido, y el detector se ajusta hasta que el marcador cae donde la historia lo necesita. Nada de eso es deshonesto: es cómo se encuentra una característica en primer lugar. Solo es inútil como evidencia de valor operativo, porque cada elección en la cadena se hizo con conocimiento que el taller no tendrá la mañana en que llegue la alerta.
Merece la pena nombrar dos mecanismos, porque sobreviven incluso en trabajos de validación de apariencia seria. El primero es la selección: la muestra se extrae de aviones que fallaron, por lo que al detector solo se le plantea la mitad fácil de la pregunta. El segundo es la fuga, donde la información sobre el resultado se filtra en las entradas: un parámetro que solo existe porque ya se abrió una tarea de localización de averías, una ventana de datos que se extiende silenciosamente más allá del desmontaje, un umbral establecido después de mirar el conjunto de prueba. La fuga infla el rendimiento aparente sin que nadie lo pretenda, y es invisible en una sala de conferencias.
La versión honesta de la demostración es aburrida y mucho más cara de producir: ejecutar el detector de forma prospectiva, en una flota que nunca ha visto, durante un período lo suficientemente largo como para contener tanto las fallas como el número mucho mayor de no fallas, y contar todo lo que dijo. Esa es la única medición que predice lo que recibirá el taller.
Las demostraciones de mantenimiento predictivo suelen ser engañosas porque se ajustan a datos conocidos. Para saber si un sistema funciona, hay que probarlo en aviones reales durante mucho tiempo, sin saber qué pasará. Así se ve cuántas alertas falsas genera.
Un detector con 90% de sensibilidad en una flota de 100 aviones y 20 fallas anuales puede generar 259 alertas falsas si su tasa de falsos positivos es del 5%, obligando al taller a investigar 15 veces por cada falla real.
Las tasas base deciden lo que el taller recibe realmente
La razón por la que un buen detector aún puede inundar un hangar no tiene nada que ver con la calidad del modelo. Es aritmética, y depende de lo raro que sea la falla. Considere una flota de cien aviones, un modo de falla que ocurre veinte veces al año, y un detector evaluado una vez por semana por avión. Son 5,200 ocasiones de pronunciarse, de las cuales veinte son reales.
| Cantidad | Detector A | Detector B |
|---|---|---|
| Ocasiones por año (100 aviones, semanal) | 5,200 | 5,200 |
| Eventos reales en el período | 20 | 20 |
| Sensibilidad (eventos reales detectados) | 90% — 18 detectados | 90% — 18 detectados |
| Tasa de alertas falsas en no eventos | 5% | 0.35% |
| Alertas falsas producidas | 259 | 18 |
| Proporción de alertas que son reales | aproximadamente 6% | aproximadamente 50% |
| Investigaciones por hallazgo real | aproximadamente 15 | 2 |
Ambos detectores detectan nueve fallas de cada diez. El material de marketing describe a ambos como precisos al noventa por ciento. Uno de ellos pide al taller que abra quince investigaciones para encontrar un defecto; el otro pide dos. La diferencia entre ellos no es la sensibilidad, que es lo que muestran las demostraciones, sino la tasa de alertas falsas en la enorme población de aviones sanos, que las demostraciones casi nunca muestran porque requiere la mitad aburrida del conjunto de datos.
Por eso la pregunta útil en un stand nunca es ¿lo detecta. Es: en qué período, en cuántos aviones, cuántas alertas emitió en total, y cuántas de ellas se cerraron con un hallazgo confirmado. Si la respuesta es un porcentaje en lugar de dos recuentos, no se ha medido en servicio.
La trampa. Un detector citado con un 95% de precisión en un evento raro suele ser peor que inútil: un modelo que dice todo está bien siempre obtendría más del 99% en la misma flota. La precisión es irrelevante cuando las clases están desequilibradas. Pida recuentos de alertas y hallazgos confirmados, nunca un único porcentaje de titular.
Una alerta solo es útil dentro de una ventana de planificación
Una predicción que llega cuatro días antes de la falla es un AOG con papeleo extra. Una predicción que llega cuatro meses antes hace desmontar una pieza a la que aún le quedaba vida útil, que es exactamente el desperdicio que el monitorización de la condición debía eliminar. El valor de un pronóstico está dentro de una ventana limitada por un lado por el tiempo necesario para obtener la pieza, un hueco en la programación, un equipo cualificado y, cuando corresponda, el acuerdo de la autoridad, y por el otro por el punto en el que actuar temprano cuesta más de lo que habría costado el evento no programado.
Esa ventana no es una propiedad del algoritmo. Es una propiedad del operador: política de repuestos, estructura de la red, si el avión pernocta en una estación con capacidad de mantenimiento, plazos contractuales de reparación, cuánto tiempo antes se congela el plan de mantenimiento. El mismo horizonte de alerta que es cómodo para una flota de largo alcance basada en un hub es inútil para un operador regional cuyos aviones solo pasan por una estación con capacidad una vez cada dos semanas. Un proveedor que no puede expresar la distribución de los plazos de anticipación de sus alertas — no el promedio, la dispersión — no ha pensado en la restricción del cliente.
La pregunta espejo es la velocidad de degradación. Algunos modos de falla progresan lentamente y de manera predecible, por lo que una tendencia tiene significado; otros están dominados por un evento iniciador aleatorio, y ningún historial, por largo que sea, permite predecirlos. Decidir a qué categoría pertenece un modo de falla dado es ingeniería de fiabilidad, no ciencia de datos, y es el paso que se salta con más frecuencia.
Una alerta solo sirve si llega en el momento justo: ni demasiado tarde (que causa un AOG) ni demasiado temprano (que desperdicia piezas). El proveedor debe entender cómo opera el cliente para ajustar sus alertas correctamente.
Lo que una alerta está autorizada a cambiar
Aquí es donde el entusiasmo se encuentra con los documentos aprobados. El programa de mantenimiento de un operador es un documento aprobado. Bajo el marco europeo, las tareas e intervalos derivan de los datos de planificación de mantenimiento del fabricante, construidos a través del análisis de la industria MSG-3 y consolidados por el Comité de Revisión de Mantenimiento, y el programa del operador es aprobado por, o bajo un procedimiento acordado con, la autoridad competente. Un algoritmo de proveedor queda fuera de esa cadena hasta que alguien lo integra en ella.
En la práctica, una alerta puede ocupar una de varias posiciones muy diferentes, y el contrato debe decir cuál:
- Solo informativa. La alerta produce una notificación de ingeniería interna. Ninguna tarea aprobada se mueve, ningún intervalo cambia, y el avión sigue siendo apto para el servicio bajo el programa existente. Es donde comienzan casi todas las implantaciones, y no hay nada malo en quedarse allí.
- Desencadenante de una tarea existente. La alerta hace que una inspección o verificación funcional ya aprobada se realice antes de lo que su intervalo requeriría. Nada nuevo se inventa; solo cambia el momento. Sencillo, y el papeleo ya existe.
- Crédito dentro del programa. El monitoreo reemplaza o extiende una tarea programada. Esto cambia el programa aprobado y requiere los datos del fabricante y el acuerdo de la autoridad. También es el único caso en el que el sistema predictivo realmente reduce costos del programa en lugar de agregar carga de investigación.
- Impuesta por la aeronavegabilidad. Donde una tarea existe porque una directiva de aeronavegabilidad o un requisito de mantenimiento de certificación (CMR) la exige, el monitoreo no la sustituye solo porque un proveedor confíe en él.
La distinción importa comercialmente. Un sistema en las dos primeras posiciones es una herramienta de productividad cuyo beneficio se mide en interrupciones evitadas. Solo el tercero reduce el trabajo programado, y solo el tercero requiere un expediente ante la autoridad: que el proveedor puede o no estar preparado para construir, y que rara vez es parte del precio ofertado en un stand.
El reflejo correcto. Antes de discutir el precio, escriba cuál de las cuatro posiciones anteriores ocupará la alerta en su organización desde el primer día, y quién dentro de la CAMO firma cuando se dispara. Si nadie puede nombrar a esa persona, el proyecto piloto terminará con un buzón que nadie lee.
El acceso a los datos es una pregunta contractual, no técnica
El mantenimiento predictivo se alimenta de datos que ya existen y ya tienen dueños, custodios y restricciones legales. Datos de vuelo registrados, parámetros de monitorización de la condición, mensajes de mantenimiento transmitidos, entradas de registro técnico, historiales de desmontaje de componentes, hallazgos de taller: cada uno tiene un origen diferente y un conjunto diferente de reglas adjuntas. Agruparlos en una plataforma del proveedor es una transferencia de algo valioso, y merece el mismo escrutinio que un acuerdo de repuestos.
| Pregunta | Por qué decide el resultado | Dónde debe resolverse |
|---|---|---|
| ¿Qué parámetros salen del avión, a qué ritmo y por qué enlace? | Determina lo que el modelo podrá ver y el costo de transmisión recurrente | Anexo técnico, con el alcance congelado |
| ¿Quién puede leer datos brutos en lugar de indicadores derivados? | Los datos registrados crudos pueden identificar a una tripulación y un vuelo específico; los indicadores generalmente no | Cláusula de protección de datos y la política de datos de vuelo del operador |
| Si el proveedor puede reutilizar los datos de la flota para mejorar modelos vendidos a otros | Común, a menudo tácito y a veces aceptable: pero debería ser una decisión | Cláusula de licencia y reutilización |
| ¿Qué se recupera si el contrato termina? | Sin portabilidad, cinco años de historial se quedan con el proveedor y el operador reinicia desde cero | Cláusula de salida, con formato y plazo |
| Períodos de retención y eliminación | Se alinea con las propias reglas de retención del operador y obligaciones legales | Programa de retención |
| Si la lógica de alerta puede ser auditada o es una caja negra | Determina si algún día se podrá presentar a la autoridad un caso de crédito | Cláusula de transparencia |
La cuestión de la identificación de las tripulaciones merece énfasis. Cuando el operador aplica un programa de análisis de datos de vuelo, su legitimidad — bajo el marco de la OACI y el sistema de gestión de seguridad del operador — se basa en el uso no punitivo y la desidentificación controlada. Enrutar los mismos datos a una plataforma de análisis de mantenimiento con una población de usuarios diferente y un contrato diferente puede romper silenciosamente las protecciones que hicieron que el programa fuera aceptable para el colectivo de tripulantes desde el principio. Es una conversación que hay que tener con el departamento de seguridad y los representantes de la tripulación antes del proyecto piloto, no después de que alguien lo note.
El incentivo que nadie pone en una diapositiva
Pregunte quién paga por una alerta falsa. En muchos contratos, la respuesta es el operador: el trabajo de investigación, el desmontaje, la visita al taller, la pieza en préstamo, la alteración de la programación. La exposición del proveedor es reputacional. Esa asimetría empuja el umbral en una dirección: hacia la sensibilidad, porque una falla no detectada es visible y se busca un culpable, mientras que cien alertas falsas silenciosas parecen diligencia.
La asimetría se agudiza cuando el mismo grupo vende la alerta y la pieza de repuesto. No se necesita actuar de mala fe para que el resultado se desvíe; un umbral fijado de forma ligeramente conservadora, repetidamente, produce una tasa de desmontaje que beneficia a una parte mejor que a la otra. El contrapeso es la medición: una tasa de NFF seguida en los desmontajes desencadenados por el sistema, en comparación con la tasa de NFF en desmontajes desencadenados de la manera antigua, y un tiempo medio entre desmontajes no programados observado durante el mismo período. Si un sistema predictivo funciona, las desmontajes no programados deberían disminuir y la proporción de hallazgos confirmados de las alertas debería aumentar. Si los desmontajes aumentan y los hallazgos no, el sistema está vendiendo piezas.
Un contrato basado en disponibilidad puede invertir el incentivo, porque el proveedor entonces asume el costo tanto de la falla como del desmontaje innecesario. Donde está escrito de esa manera, esa alineación de intereses vale más que cualquier cifra de precisión.
Ponerlo en modo sombra antes de que dirija el taller
La manera defendible de introducir un sistema predictivo es dejar que hable en un vacío durante el tiempo suficiente para ser contado. En un despliegue en modo sombra, las alertas se registran, se marcan con fecha y hora y se cotejan con lo que realmente sucedió, pero no desencadenan acción de mantenimiento. Cuesta una suscripción y algo de atención de ingeniería, y produce los dos números que ninguna demostración puede proporcionar: cuántas alertas por avión por mes, y qué parte de ellas correspondieron a un hallazgo.
Algunos puntos de diseño hacen que la fase de sombra valga la pena. Fije los umbrales antes de que comience el período y resista ajustarlos durante la ejecución, o el resultado es otra demostración ajustada retrospectivamente. Incluya los aviones menos representativos: los fuselajes más antiguos, el estándar de motor diferente, los que están basados donde el entorno es difícil, porque es en la heterogeneidad donde fallan los modelos de flota. Registre las no alertas también, para que una falla sobre la que el sistema guardó silencio sea contada en lugar de olvidada. Y acuerde de antemano el número que haría que el despliegue fuera un fracaso, porque un umbral definido después siempre se cumple.
Los operadores que comparan experiencias sobre cómo estos despliegues se comportaron realmente en servicio encontrarán más franqueza en una discusión entre pares que en un estudio de caso del proveedor; los foros FL330 acogen ese tipo de intercambios entre el personal de mantenimiento e ingeniería.
¿Qué preguntar antes de salir del stand?
| Pregunta | Respuesta que no significa nada | Respuesta que merece la pena seguir |
|---|---|---|
| ¿Cuántas alertas emitió el sistema el año pasado en toda su base de clientes? | Nuestra tasa de detección supera el 90% | Un recuento, un tamaño de flota y un período, con la proporción de hallazgos confirmados |
| ¿Cuál es el tiempo de anticipación entre la alerta y la falla? | Semanas de antelación | Una distribución, incluidos los plazos muy cortos y las alertas muy tempranas |
| ¿Alguna autoridad ha aceptado este monitoreo como crédito de programa? | Estamos trabajando con los reguladores | Un caso concreto, o una declaración clara de que es solo asesoramiento |
| ¿Qué pasa con nuestros datos si nos vamos? | Sus datos son suyos | Un formato, un plazo y un compromiso de eliminación en la cláusula de salida |
| ¿Quién asume el costo de un desmontaje no confirmado? | Las alertas falsas son raras | Un mecanismo de reparto de costos, o un contrato de disponibilidad |
| ¿Podemos ver la lógica de alerta? | Es propietario | Características documentadas, umbrales y un registro de cambios |
Nada de esto es un argumento en contra del mantenimiento predictivo. El monitorización de la condición desplazó los intervalos fijos para gran parte del contenido de un motor hace mucho tiempo, y funciona. Lo que sostiene es que lo que se compra no es la detección: la detección es la parte fácil y se demostró hace años. Lo que se compra es una tasa de alertas falsas que el taller puede absorber, un tiempo de anticipación que se ajusta a la red, una posición definida dentro de un programa aprobado, y un conjunto de derechos de datos que sobreviven al final del contrato. Los cuatro son contractuales, y ninguno de ellos es visible en la diapositiva con el marcador rojo.


Deja una respuesta
Lo siento, debes estar conectado para publicar un comentario.