Análisis del uso de la inteligencia artificial en la predicción de fallas en máquinas rotativas: alcances, limitaciones y aportes al mantenimiento predictivo en entornos industriales

Abstract

RESUMEN EJECUTIVO

En la actualidad, muchas industrias dependen del funcionamiento continuo de sus equipos rotativos, especialmente de máquinas eléctricas como motores y generadores. Estas tecnologías son esenciales para mantener la producción y evitar interrupciones costosas. Sin embargo, los métodos tradicionales de mantenimiento, como el correctivo o el preventivo, han demostrado no ser del todo eficaces para anticipar fallas de manera oportuna. Este trabajo analiza el papel de la inteligencia artificial (IA) como una herramienta clave para anticiparse a esas fallas. A través de una revisión sistemática de literatura científica y técnica publicada entre 2020 y 2025, se identifican las principales técnicas de IA aplicadas en la industria —como el aprendizaje automático, las redes neuronales profundas y los modelos híbridos— y se evalúan sus beneficios, limitaciones y retos al implementarlas en entornos reales. Los hallazgos muestran que la IA ha permitido mejorar la precisión en la detección temprana de anomalías, reducir tiempos de parada, optimizar costos de mantenimiento y tomar decisiones más informadas. Sin embargo, también se evidencian obstáculos importantes: desde la calidad de los datos disponibles, hasta la necesidad de contar con personal capacitado y una infraestructura tecnológica adecuada. En conclusión, la IA representa una herramienta estratégica para fortalecer el mantenimiento predictivo en la industria. Su impacto positivo depende, en gran medida, de cómo se aborden los desafíos técnicos y organizativos que aún persisten. Este estudio busca ofrecer una visión crítica y actualizada sobre este tema, contribuyendo a una mejor comprensión del potencial transformador que tiene la inteligencia artificial en el ámbito industrial.