La mayoría del software de mantenimiento predictivo acaba silenciado.
No lo cancelan. Lo silencian. Los propios operarios a los que debía ayudar. Aquí te contamos por qué — y qué hace falta para construir uno del que realmente se fíen.
«Nuestro modelo de IA detecta anomalías en cualquier máquina.»
Entrenado con «motores en general», no con TU motor. Tu prensa arrastra una rareza de fábrica desde el primer día — así que el software la marca todos los días. La deriva real, mientras tanto, se esconde dentro de esa misma banda genérica.
Un modelo que no conoce tu máquina solo puede equivocarse sobre ella.02
«43 días de vida útil restante.»
¿En qué unidad? ¿A partir de qué evidencia? ¿Con qué incertidumbre? La mayoría de herramientas no lo puede responder. La cifra existe porque queda bien en la demo.
Una predicción sin procedencia es un accesorio de atrezo.03
«Instala nuestro kit de sensores y ya está.»
Gateways, suscripciones por punto, semanas de instalación — meses de coste antes del primer resultado. La economía está al revés y el presupuesto del piloto muere antes de que aparezca el valor.
Te piden que pagues por instrumentos antes de que nadie lea los que ya tienes.04
«Visibilidad total del estado de tus máquinas.»
Un icono rojo en un dashboard no es una ventana de mantenimiento. Si la predicción no cambia el plan de producción, ese trabajo lo sigue haciendo una persona — normalmente tarde, normalmente en Excel.
Una visibilidad que no cambia nada es decoración.
EL MERCADO VENDE PREDICCIONES.
ATHERYA CONOCE TUS MÁQUINAS — Y RESERVA LA VENTANA DE MANTENIMIENTO ELLA SOLA.
POR QUÉ GANA EL MÉTODO ATHERYA
01
Firmas, no umbrales.
Atherya aprende la firma de comportamiento de cada máquina —por máquina, por receta, por temporada— a partir de tu propio histórico. En una fábrica real: 141 firmas de máquina × receta a partir de seis años de datos existentes, incluido un defecto de fábrica descubierto entre dos prensas gemelas. Misma marca, mismo modelo, ADN distinto. Para un software genérico ese defecto es una alarma diaria; para Atherya es una firma: se adapta a la personalidad y solo alarma ante una deriva real.
02
Cifras honestas, por diseño.
Una cifra de vida útil restante solo aparece cuando la salida del modelo está verificablemente en horas, con su incertidumbre adjunta. Cuando Atherya no lo sabe, la pantalla dice «no medido». Ninguna estimación sin fuente — es la regla en todo el producto.
03
Cero sensores nuevos para empezar.
Atherya lee lo que tus máquinas ya escriben: historians SQL en cualquier dialecto, OPC-UA directo desde SCADA/PLC, CMMS y ERP. En esa fábrica se leyeron seis millones de lecturas de 42 máquinas antes incluso de instalar el software. Los sensores llegan después, solo donde la evidencia dice que compensan.
04
La predicción se convierte en una ventana programada.
El motor prescriptivo de Atherya propone la intervención con sus horas y las entregas que protege — y reserva la ventana dentro del propio plan de producción. Mantenimiento deja de discutir con planificación; pasa a formar parte del plan.
MISMO MODELO. ADN DISTINTO.
PRENSA A · BANDA NORMAL APRENDIDA
PRENSA B · BANDA NORMAL APRENDIDA · GEMELA, DEFECTO DE FÁBRICAumbral genérico → falsa alarma diariaderiva real → alarma de Atherya
Ilustración de un caso real: un defecto de fábrica encontrado entre dos prensas gemelas. El desvío es la personalidad de la máquina; solo un movimiento más allá de SU banda es un problema.
Tres preguntas para quien te vendió tu mantenimiento predictivo actual:
01 · “Enséñame el modelo de MI prensa — no el de toda la flota.”
02 · “¿Qué muestra la pantalla cuando no lo sabe?”
03 · “¿Qué ventana de mantenimiento reservó de verdad tu predicción el mes pasado?”
Si las respuestas necesitan una presentación de diapositivas, ya tienes tu respuesta.
Una fábrica real, moldeo de caucho, norte de Italia: 6 años de datos en bruto · 6 M de lecturas · 42 máquinas · leídas antes de instalar · 98 preguntas abiertas reducidas a 7 por los modelos.
Resultados de onboarding de una fábrica real. Las cifras de escenario de esta página se declaran como escenarios, nunca como mediciones.
PREGUNTAS, RESPONDIDAS
Sin misterios. Sin teatro.
¿Necesitamos instalar sensores nuevos primero?
No. Atherya arranca con los datos que tus máquinas ya generan — historians SQL, OPC-UA desde SCADA/PLC, registros de CMMS y ERP. El hardware llega después, solo donde la evidencia dice que compensa.
¿En qué se diferencia del monitoreo de condición por umbrales?
Los umbrales comparan tu máquina con un límite genérico. Atherya la compara con su propia firma aprendida — así una rareza crónica nunca alarma y una deriva real nunca se esconde.
¿Qué significa «RUL honesta»?
La cifra solo aparece cuando la unidad de salida del modelo entrenado son horas verificables, con incertidumbre. Si no, «no medido». Nunca una suposición.
¿Con qué rapidez se ve el valor?
El onboarding lee primero tu histórico — recibes la historia de tu fábrica (cuello de botella, capacidad oculta, comportamiento de cada máquina) antes de instalar nada.
TU FÁBRICA · TUS DATOS · LA PRUEBA
Leemos tu fábrica. Antes de instalar nada.
Envíanos los datos en bruto que tus máquinas ya generan. Te devolvemos la historia de tu fábrica — el cuello de botella, la capacidad oculta, la máquina con una personalidad que nadie había catalogado. Si nada de eso te sorprende, has perdido treinta minutos. Ese es todo el riesgo.