Vol. 12/ Núm. 3 2025 pág. 4119
https://doi.org/10.69639/arandu.v12i3.1613
Diagnóstico de la gestión de mantenimiento y su impacto en la
confiabilidad de máquinas críticas: un estudio de caso en la
industria metalmecánica ecuatoriana
Diagnosis of maintenance management and its impact on the reliability of critical
machines: a case study in the Ecuadorian metalworking industry
Kelvin Moposita Ortega
kmopositao@uteq.edu.ec
https://orcid.org/0000-0002-1032-8558
Universidad Tecnica Estatal de Quevedo
Ecuador – Quevedo
Yohan Mateo Montenegro Espinoza
ymontenegroe@uteq.edu.ec
https://orcid.org/0009-0000-9353-4981
Universidad Tecnica Estatal de Quevedo
Ecuador – Quevedo
Jose Navia Zamora
jnaviaz@uteq.edu.ec
https://orcid.org/0009-0009-2442-0513
Universidad Tecnica Estatal de Quevedo
Ecuador – Quevedo
Manuel León Ganchozo
mleon@uteq.edu.ec
https://orcid.org/0000-0003-3265-1257
Universidad Tecnica Estatal de Quevedo
Ecuador – Quevedo
Gianfranco Di Mattia Castro
gianfranco@uteq.edu.ec
https://orcid.org/0009-0001-1048-9554
Universidad de Guayaquil
Ecuador – Guayas
Artículo recibido: 18 agosto 2025 - Aceptado para publicación: 28 septiembre 2025
Conflictos de intereses: Ninguno que declarar.
RESUMEN
Este estudio presenta el diagnóstico de la gestión de mantenimiento en la empresa metalmecánica
FERROMAX, con el propósito de evaluar el impacto de las fallas en la confiabilidad de sus
máquinas críticas. La investigación, de carácter descriptivo y cuantitativo, se centró en la roladora
de láminas y la perfiladora de correas G, equipos fundamentales en la producción de techos y
correas aluminizadas. Durante el año 2024 se registraron 170 fallas acumuladas, que ocasionaron
181,2 horas de inactividad no programada. La roladora de láminas presentó 94 fallas con 109,6
horas de paro, mientras que la perfiladora de correas G acumuló 76 fallas con 71,6 horas
Vol. 12/ Núm. 3 2025 pág. 4120
detenidas. El análisis de Pareto reveló que en la roladora el cabezal de impresión y los rodamientos
concentraron el 38 % del tiempo perdido, y en la perfiladora la desalineación de ejes y el bloqueo
de rodamientos sumaron el 33,5 %. Los indicadores de desempeño confirman un nivel deficiente
de gestión: disponibilidad de 58,42 %, rendimiento de 98,54 %, calidad de 95 %, y un OEE de
54,69 %. Asimismo, se determinaron valores de MTTF de 1,56 h, MTBF de 2,62 h y una
confiabilidad del 67,03 %, lo que demuestra que, en promedio, las máquinas fallan cada tres horas
de operación. Los resultados evidencian una dependencia del mantenimiento correctivo y resaltan
la necesidad de migrar hacia un modelo preventivo basado en confiabilidad (RCM) para mejorar
la disponibilidad, el OEE y la sostenibilidad productiva de la empresa.
Palabras claves: mantenimiento industrial, confiabilidad operacional, efectividad global
de los equipos (oee), tiempo medio entre fallas (mtbf), paradas no programadas
ABSTRACT
This study presents the diagnosis of maintenance management at the metalworking company
FERROMAX, with the aim of evaluating the impact of failures on the reliability of its critical
machines. The descriptive and quantitative research focused on the sheet rolling machine and the
G-belt profiling machine, which are essential equipment in the production of aluminized roofs
and belts. During 2024, 170 cumulative failures were recorded, resulting in 181.2 hours of
unscheduled downtime. The sheet rolling machine had 94 failures with 109.6 hours of downtime,
while the G-belt profiling machine had 76 failures with 71.6 hours of downtime. Pareto analysis
revealed that the print head and bearings accounted for 38% of the downtime on the rolling
machine, while shaft misalignment and bearing blockage accounted for 33.5% on the profiling
machine. The performance indicators confirm a poor level of management: availability of
58.42%, performance of 98.54%, quality of 95%, and an OEE of 54.69%. Likewise, MTTF values
of 1.56 hours, MTBF of 2.62 hours, and reliability of 67.03% were determined, demonstrating
that, on average, the machines fail every three hours of operation. The results show a dependence
on corrective maintenance and highlight the need to migrate to a reliability-based preventive
model (RCM) to improve the company's availability, OEE, and production sustainability.
Keywords: industrial maintenance, operational reliability, overall equipment
effectiveness (oee), mean time between failures (mtbf), unplanned downtime
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
detenidas. El análisis de Pareto reveló que en la roladora el cabezal de impresión y los rodamientos
concentraron el 38 % del tiempo perdido, y en la perfiladora la desalineación de ejes y el bloqueo
de rodamientos sumaron el 33,5 %. Los indicadores de desempeño confirman un nivel deficiente
de gestión: disponibilidad de 58,42 %, rendimiento de 98,54 %, calidad de 95 %, y un OEE de
54,69 %. Asimismo, se determinaron valores de MTTF de 1,56 h, MTBF de 2,62 h y una
confiabilidad del 67,03 %, lo que demuestra que, en promedio, las máquinas fallan cada tres horas
de operación. Los resultados evidencian una dependencia del mantenimiento correctivo y resaltan
la necesidad de migrar hacia un modelo preventivo basado en confiabilidad (RCM) para mejorar
la disponibilidad, el OEE y la sostenibilidad productiva de la empresa.
Palabras claves: mantenimiento industrial, confiabilidad operacional, efectividad global
de los equipos (oee), tiempo medio entre fallas (mtbf), paradas no programadas
ABSTRACT
This study presents the diagnosis of maintenance management at the metalworking company
FERROMAX, with the aim of evaluating the impact of failures on the reliability of its critical
machines. The descriptive and quantitative research focused on the sheet rolling machine and the
G-belt profiling machine, which are essential equipment in the production of aluminized roofs
and belts. During 2024, 170 cumulative failures were recorded, resulting in 181.2 hours of
unscheduled downtime. The sheet rolling machine had 94 failures with 109.6 hours of downtime,
while the G-belt profiling machine had 76 failures with 71.6 hours of downtime. Pareto analysis
revealed that the print head and bearings accounted for 38% of the downtime on the rolling
machine, while shaft misalignment and bearing blockage accounted for 33.5% on the profiling
machine. The performance indicators confirm a poor level of management: availability of
58.42%, performance of 98.54%, quality of 95%, and an OEE of 54.69%. Likewise, MTTF values
of 1.56 hours, MTBF of 2.62 hours, and reliability of 67.03% were determined, demonstrating
that, on average, the machines fail every three hours of operation. The results show a dependence
on corrective maintenance and highlight the need to migrate to a reliability-based preventive
model (RCM) to improve the company's availability, OEE, and production sustainability.
Keywords: industrial maintenance, operational reliability, overall equipment
effectiveness (oee), mean time between failures (mtbf), unplanned downtime
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 3 2025 pág. 4121
INTRODUCCIÓN
La competitividad industrial depende, en gran medida, de la gestión efectiva del
mantenimiento y de la confiabilidad de los equipos críticos. A nivel global, diversos estudios han
demostrado que hasta un 30 % de las pérdidas de productividad en la industria manufacturera se
relacionan directamente con fallas recurrentes y estrategias de mantenimiento correctivo que no
logran anticipar los eventos de fallo (Aguirre et al., 2022). Este panorama adquiere una especial
relevancia en las industrias metalmecánicas latinoamericanas, donde la dependencia de
maquinaria crítica de origen importado y la limitada implementación de metodologías modernas
de mantenimiento representan un desafío significativo para la continuidad operacional y la
sostenibilidad Empresarial (Condo-Palomino et al., 2022).
En el caso ecuatoriano, la industria metalmecánica constituye un pilar estratégico para el
sector de la construcción y la infraestructura, ya que produce insumos esenciales como techos y
correas de acero galvanizado. Sin embargo, muchas de estas empresas aún operan con un enfoque
reactivo en el mantenimiento, priorizando la corrección de fallas sobre la prevención. Esta
situación conlleva no solo altos costos de operación y reposición de repuestos, sino también una
reducción considerable de la disponibilidad y confiabilidad de los equipos, lo cual impacta
directamente en los plazos de entrega, la satisfacción del cliente y la posición competitiva en el
mercado regional (Ramos Ciprián & Salavert Fernández, 2020).
La literatura científica ha avanzado en propuestas de mantenimiento basado en la
confiabilidad (RCM) y en la aplicación de indicadores como el OEE (Overall Equipment
Effectiveness), el MTBF (Mean Time Between Failures) y la confiabilidad operacional,
considerados estándares internacionales para la evaluación del desempeño de activos críticos
(Fuchs et al., 2020). No obstante, existe una brecha de investigación en el análisis empírico de los
sistemas de mantenimiento en pequeñas y medianas empresas metalmecánicas de América Latina,
donde la implementación de estrategias modernas sigue siendo limitada.
En este contexto, el presente estudio tiene como objetivo diagnosticar la gestión de
mantenimiento y su impacto en la confiabilidad de las máquinas críticas en la empresa
FERROMAX, ubicada en el cantón La Maná, Ecuador. A partir de un análisis detallado de los
modos de fallo, la frecuencia de las averías, los tiempos de inactividad y los principales
indicadores de desempeño, se busca evidenciar las debilidades del enfoque correctivo actual y
generar insumos técnicos que respalden la migración hacia modelos de mantenimiento preventivo
basados en confiabilidad. Con ello, este trabajo no solo contribuye al fortalecimiento de la
literatura científica en mantenimiento industrial en economías emergentes, sino que también
ofrece un modelo replicable de diagnóstico inicial aplicable a otras industrias de características
similares.
INTRODUCCIÓN
La competitividad industrial depende, en gran medida, de la gestión efectiva del
mantenimiento y de la confiabilidad de los equipos críticos. A nivel global, diversos estudios han
demostrado que hasta un 30 % de las pérdidas de productividad en la industria manufacturera se
relacionan directamente con fallas recurrentes y estrategias de mantenimiento correctivo que no
logran anticipar los eventos de fallo (Aguirre et al., 2022). Este panorama adquiere una especial
relevancia en las industrias metalmecánicas latinoamericanas, donde la dependencia de
maquinaria crítica de origen importado y la limitada implementación de metodologías modernas
de mantenimiento representan un desafío significativo para la continuidad operacional y la
sostenibilidad Empresarial (Condo-Palomino et al., 2022).
En el caso ecuatoriano, la industria metalmecánica constituye un pilar estratégico para el
sector de la construcción y la infraestructura, ya que produce insumos esenciales como techos y
correas de acero galvanizado. Sin embargo, muchas de estas empresas aún operan con un enfoque
reactivo en el mantenimiento, priorizando la corrección de fallas sobre la prevención. Esta
situación conlleva no solo altos costos de operación y reposición de repuestos, sino también una
reducción considerable de la disponibilidad y confiabilidad de los equipos, lo cual impacta
directamente en los plazos de entrega, la satisfacción del cliente y la posición competitiva en el
mercado regional (Ramos Ciprián & Salavert Fernández, 2020).
La literatura científica ha avanzado en propuestas de mantenimiento basado en la
confiabilidad (RCM) y en la aplicación de indicadores como el OEE (Overall Equipment
Effectiveness), el MTBF (Mean Time Between Failures) y la confiabilidad operacional,
considerados estándares internacionales para la evaluación del desempeño de activos críticos
(Fuchs et al., 2020). No obstante, existe una brecha de investigación en el análisis empírico de los
sistemas de mantenimiento en pequeñas y medianas empresas metalmecánicas de América Latina,
donde la implementación de estrategias modernas sigue siendo limitada.
En este contexto, el presente estudio tiene como objetivo diagnosticar la gestión de
mantenimiento y su impacto en la confiabilidad de las máquinas críticas en la empresa
FERROMAX, ubicada en el cantón La Maná, Ecuador. A partir de un análisis detallado de los
modos de fallo, la frecuencia de las averías, los tiempos de inactividad y los principales
indicadores de desempeño, se busca evidenciar las debilidades del enfoque correctivo actual y
generar insumos técnicos que respalden la migración hacia modelos de mantenimiento preventivo
basados en confiabilidad. Con ello, este trabajo no solo contribuye al fortalecimiento de la
literatura científica en mantenimiento industrial en economías emergentes, sino que también
ofrece un modelo replicable de diagnóstico inicial aplicable a otras industrias de características
similares.
Vol. 12/ Núm. 3 2025 pág. 4122
METODOLOGÍA
El presente estudio se desarrolló bajo un enfoque descriptivo y cuantitativo, orientado a
identificar y analizar las fallas recurrentes en las máquinas críticas del área de producción de la
empresa FERROMAX. El propósito fue establecer un diagnóstico integral de la gestión de
mantenimiento, evaluando su impacto en la confiabilidad de los activos productivos.
Diseño de Investigación
Se adoptó un diseño de estudio de caso aplicado en el contexto de una industria
metalmecánica ecuatoriana, lo que permitió un análisis en profundidad de las prácticas actuales
de mantenimiento. La investigación se sustentó en el levantamiento de datos primarios mediante
observación directa de las operaciones y en el análisis de registros históricos de fallas y
reparaciones. El enfoque cuantitativo posibilitó la construcción de indicadores de confiabilidad y
productividad validados con estándares internacionales.
Recolección de datos
La recopilación de información se efectuó durante el año 2024, considerando las dos
máquinas críticas del proceso productivo: la Roladora de láminas y la Perfiladora de correas G.
Las técnicas empleadas fueron:
• Observación sistemática in situ: registro de fallas, tiempos de operación y paradas no
programadas en cada equipo.
• Entrevistas estructuradas: aplicadas a los operarios y responsables de mantenimiento, para
identificar prácticas habituales y procedimientos correctivos.
• Revisión documental: análisis de reportes internos de producción y mantenimiento, que
sirvieron como base para la validación de la información recolectada.
Instrumento de Análisis
Para el diagnóstico se aplicaron herramientas de ingeniería de mantenimiento reconocidas
en la literatura:
• Análisis de modos y efectos de falla (AMFE): identificación y clasificación de fallas por
componente y su criticidad en el proceso.
• Diagrama de Pareto: priorización de fallas según frecuencia e impacto en la disponibilidad.
• Indicadores de gestión del mantenimiento: cálculo de métricas claves como:
• Disponibilidad (A)
• Rendimiento y Calidad
• Efectividad Global de los Equipos (OEE)
• Tiempo Medio Entre Fallas (MTBF)
• Tiempo Medio para Fallar (MTTF)
• Confiabilidad (R(t))
METODOLOGÍA
El presente estudio se desarrolló bajo un enfoque descriptivo y cuantitativo, orientado a
identificar y analizar las fallas recurrentes en las máquinas críticas del área de producción de la
empresa FERROMAX. El propósito fue establecer un diagnóstico integral de la gestión de
mantenimiento, evaluando su impacto en la confiabilidad de los activos productivos.
Diseño de Investigación
Se adoptó un diseño de estudio de caso aplicado en el contexto de una industria
metalmecánica ecuatoriana, lo que permitió un análisis en profundidad de las prácticas actuales
de mantenimiento. La investigación se sustentó en el levantamiento de datos primarios mediante
observación directa de las operaciones y en el análisis de registros históricos de fallas y
reparaciones. El enfoque cuantitativo posibilitó la construcción de indicadores de confiabilidad y
productividad validados con estándares internacionales.
Recolección de datos
La recopilación de información se efectuó durante el año 2024, considerando las dos
máquinas críticas del proceso productivo: la Roladora de láminas y la Perfiladora de correas G.
Las técnicas empleadas fueron:
• Observación sistemática in situ: registro de fallas, tiempos de operación y paradas no
programadas en cada equipo.
• Entrevistas estructuradas: aplicadas a los operarios y responsables de mantenimiento, para
identificar prácticas habituales y procedimientos correctivos.
• Revisión documental: análisis de reportes internos de producción y mantenimiento, que
sirvieron como base para la validación de la información recolectada.
Instrumento de Análisis
Para el diagnóstico se aplicaron herramientas de ingeniería de mantenimiento reconocidas
en la literatura:
• Análisis de modos y efectos de falla (AMFE): identificación y clasificación de fallas por
componente y su criticidad en el proceso.
• Diagrama de Pareto: priorización de fallas según frecuencia e impacto en la disponibilidad.
• Indicadores de gestión del mantenimiento: cálculo de métricas claves como:
• Disponibilidad (A)
• Rendimiento y Calidad
• Efectividad Global de los Equipos (OEE)
• Tiempo Medio Entre Fallas (MTBF)
• Tiempo Medio para Fallar (MTTF)
• Confiabilidad (R(t))
Vol. 12/ Núm. 3 2025 pág. 4123
Estas métricas permitieron cuantificar las pérdidas operativas, evaluar la magnitud de las
interrupciones y medir la confiabilidad de los equipos críticos frente a los estándares de la
industria manufacturera.
Procedimiento
El proceso metodológico se estructuró en cuatro fases:
➢ Caracterización del área productiva: identificación de las máquinas críticas, sus
condiciones de operación y los principales componentes susceptibles de falla.
➢ Registro y clasificación de fallas: elaboración de bases de datos con la frecuencia de fallas,
tiempos de reparación y horas de parada.
➢ Cálculo de indicadores de gestión: procesamiento de la información recolectada para
determinar disponibilidad, OEE, MTBF, MTTF y confiabilidad de los equipos.
➢ Análisis e interpretación: comparación de los resultados obtenidos con estándares
internacionales, identificando brechas de desempeño y evidenciando las limitaciones del
modelo correctivo de mantenimiento vigente en FERROMAX.
RESULTADOS Y DISCUSIONES
Area de produccion de la indústria metalica
El área de producción de la empresa FERROMAX en el cantón La Maná, desempeña un
papel fundamental en el cumplimiento de la demanda de productos indispensables para proyectos
de construcción, garantizando altos estándares de calidad y continuidad en el mercado de
estructuras para techos. La responsabilidad empresarial que tiene el área de producción es muy
significativa, debido a que sus operaciones inciden directamente en la satisfacción de los clientes
y en el fortalecimiento de la planta industrial, con el objetivo de aumentar su competitividad frente
a otras empresas del sector.
Figura 1
Área de producción
Maquinaria del área de producción
El área de producción cuenta con dos máquinas críticas que desempeñan un papel
fundamental en la fabricación de techos y correas G aluminizadas en FERROMAX:
Estas métricas permitieron cuantificar las pérdidas operativas, evaluar la magnitud de las
interrupciones y medir la confiabilidad de los equipos críticos frente a los estándares de la
industria manufacturera.
Procedimiento
El proceso metodológico se estructuró en cuatro fases:
➢ Caracterización del área productiva: identificación de las máquinas críticas, sus
condiciones de operación y los principales componentes susceptibles de falla.
➢ Registro y clasificación de fallas: elaboración de bases de datos con la frecuencia de fallas,
tiempos de reparación y horas de parada.
➢ Cálculo de indicadores de gestión: procesamiento de la información recolectada para
determinar disponibilidad, OEE, MTBF, MTTF y confiabilidad de los equipos.
➢ Análisis e interpretación: comparación de los resultados obtenidos con estándares
internacionales, identificando brechas de desempeño y evidenciando las limitaciones del
modelo correctivo de mantenimiento vigente en FERROMAX.
RESULTADOS Y DISCUSIONES
Area de produccion de la indústria metalica
El área de producción de la empresa FERROMAX en el cantón La Maná, desempeña un
papel fundamental en el cumplimiento de la demanda de productos indispensables para proyectos
de construcción, garantizando altos estándares de calidad y continuidad en el mercado de
estructuras para techos. La responsabilidad empresarial que tiene el área de producción es muy
significativa, debido a que sus operaciones inciden directamente en la satisfacción de los clientes
y en el fortalecimiento de la planta industrial, con el objetivo de aumentar su competitividad frente
a otras empresas del sector.
Figura 1
Área de producción
Maquinaria del área de producción
El área de producción cuenta con dos máquinas críticas que desempeñan un papel
fundamental en la fabricación de techos y correas G aluminizadas en FERROMAX:
Vol. 12/ Núm. 3 2025 pág. 4124
Tabla 1
Modos de fallo de las máquinas críticas
Área Máquina Marca Cantid
ad
Horas de
funcionamie
nto al día
Año de
adquisici
ón
Años de
funcionamie
nto
Velocida
d de
Producci
ón (m/h)
Área de
Producci
ón
Rolador
a de
láminas
Xiam
en
Limin
g
1 1 2021 4 años 360
Perfilad
ora de
correas
Xiam
en
Limin
g
1 0,5 2021 4 años 180
Fallas de las máquinas críticas en el proceso de productivo
Desde el inicio de sus operaciones en el año 2021, las máquinas críticas del área de
producción de FERROMAX han presentado fallas recurrentes en sus componentes principales.
Este deterioro ha provocado paradas no programadas que interrumpen la continuidad del proceso
productivo, generando retrasos en la fabricación de techos y correas G aluminizados, los cuales
son requeridos por una alta demanda por parte de los clientes. A continuación, se detallan los
principales modos de fallo identificados sobre estos activos:
Tabla 2
Modos de fallo de las máquinas críticas
Máquina Componente Modo de fallo
Roladora de
láminas
Rodillos Desgaste superficial, desalineación y corrosión.
Motor reductor Sobrecalentamiento y vibración excesiva.
Engranajes Desgaste por fricción, rotura de dientes y falta de
alineación.
Ejes Fatiga del material y desalineación.
Rodamientos Desgaste, bloqueo por suciedad y ruido excesivo.
Bloques de soporte Fisuras por vibración, aflojamiento de tornillos y
desgaste por fricción.
Bomba hidráulica Perdida de presión, fugas de aceite y
sobrecalentamiento.
Cuchilla de corte Desgaste de filo, rotura de cuchilla y
desalineación.
Válvula de presión Bloqueo por suciedad, fugas y pérdida de
presión.
Sensores de posición Mal funcionamiento por suciedad, desajuste,
falla intermitente.
Tabla 1
Modos de fallo de las máquinas críticas
Área Máquina Marca Cantid
ad
Horas de
funcionamie
nto al día
Año de
adquisici
ón
Años de
funcionamie
nto
Velocida
d de
Producci
ón (m/h)
Área de
Producci
ón
Rolador
a de
láminas
Xiam
en
Limin
g
1 1 2021 4 años 360
Perfilad
ora de
correas
Xiam
en
Limin
g
1 0,5 2021 4 años 180
Fallas de las máquinas críticas en el proceso de productivo
Desde el inicio de sus operaciones en el año 2021, las máquinas críticas del área de
producción de FERROMAX han presentado fallas recurrentes en sus componentes principales.
Este deterioro ha provocado paradas no programadas que interrumpen la continuidad del proceso
productivo, generando retrasos en la fabricación de techos y correas G aluminizados, los cuales
son requeridos por una alta demanda por parte de los clientes. A continuación, se detallan los
principales modos de fallo identificados sobre estos activos:
Tabla 2
Modos de fallo de las máquinas críticas
Máquina Componente Modo de fallo
Roladora de
láminas
Rodillos Desgaste superficial, desalineación y corrosión.
Motor reductor Sobrecalentamiento y vibración excesiva.
Engranajes Desgaste por fricción, rotura de dientes y falta de
alineación.
Ejes Fatiga del material y desalineación.
Rodamientos Desgaste, bloqueo por suciedad y ruido excesivo.
Bloques de soporte Fisuras por vibración, aflojamiento de tornillos y
desgaste por fricción.
Bomba hidráulica Perdida de presión, fugas de aceite y
sobrecalentamiento.
Cuchilla de corte Desgaste de filo, rotura de cuchilla y
desalineación.
Válvula de presión Bloqueo por suciedad, fugas y pérdida de
presión.
Sensores de posición Mal funcionamiento por suciedad, desajuste,
falla intermitente.
Vol. 12/ Núm. 3 2025 pág. 4125
Pantalla táctil Pérdida de sensibilidad, desgaste de pantalla y
mal funcionamiento del conector.
Interruptor de parada Desgaste mecánico, bloqueo por suciedad y
rotura del resorte.
Cabezal de impresión Obstrucción de boquillas y desgaste de boquillas
por fricción.
Bomba de tinta Fugas de tinta, pérdida de presión y bloqueo por
impurezas.
Filtros de tinta Obstrucción por residuos y desgaste de filtro.
Perfiladora de
correas
Rodillos Desgaste superficial, desalineación y corrosión.
Motor reductor Sobrecalentamiento y vibración excesiva.
Engranajes Desgaste por fricción, rotura de dientes y falta de
alineación.
Ejes Fatiga del material y desalineación.
Rodamientos Desgaste, bloqueo por suciedad y ruido excesivo.
Bloques de soporte Fisuras por vibración, aflojamiento de tornillos y
desgaste por fricción.
Bomba hidráulica Perdida de presión, fugas de aceite y
sobrecalentamiento.
Cuchilla de corte Desgaste de filo, rotura de cuchilla y
desalineación.
Válvula de presión Bloqueo por suciedad, fugas y pérdida de
presión.
Sensores de posición Mal funcionamiento por suciedad, desajuste del
sensor, falla intermitente.
Pantalla táctil Pérdida de sensibilidad, desgaste y mal
funcionamiento del conector.
Interruptor de parada Desgaste mecánico, bloqueo por suciedad y
rotura del resorte.
Cabezal de impresión Obstrucción de boquillas y desgaste de boquillas
por fricción.
Bomba de tinta Fugas de tinta, pérdida de presión y bloqueo por
impurezas.
Filtros de tinta Obstrucción por residuos y desgaste de filtro.
Fallas identificadas en las máquinas críticas
Durante el año 2024, las máquinas críticas del área de producción han presentado fallas
con una frecuencia específica de aparición. Estas fallas han sido atendidas por los operarios
mediante la aplicación de procedimientos de mantenimiento correctivo, para la reparación o el
reemplazo de los componentes dañados o averiados cuando resulte necesario. Cabe destacar, que
la frecuencia de aparición de estos modos de fallo posee una relación directa con el efecto o
impacto que generan en el funcionamiento de las máquinas críticas.
Pantalla táctil Pérdida de sensibilidad, desgaste de pantalla y
mal funcionamiento del conector.
Interruptor de parada Desgaste mecánico, bloqueo por suciedad y
rotura del resorte.
Cabezal de impresión Obstrucción de boquillas y desgaste de boquillas
por fricción.
Bomba de tinta Fugas de tinta, pérdida de presión y bloqueo por
impurezas.
Filtros de tinta Obstrucción por residuos y desgaste de filtro.
Perfiladora de
correas
Rodillos Desgaste superficial, desalineación y corrosión.
Motor reductor Sobrecalentamiento y vibración excesiva.
Engranajes Desgaste por fricción, rotura de dientes y falta de
alineación.
Ejes Fatiga del material y desalineación.
Rodamientos Desgaste, bloqueo por suciedad y ruido excesivo.
Bloques de soporte Fisuras por vibración, aflojamiento de tornillos y
desgaste por fricción.
Bomba hidráulica Perdida de presión, fugas de aceite y
sobrecalentamiento.
Cuchilla de corte Desgaste de filo, rotura de cuchilla y
desalineación.
Válvula de presión Bloqueo por suciedad, fugas y pérdida de
presión.
Sensores de posición Mal funcionamiento por suciedad, desajuste del
sensor, falla intermitente.
Pantalla táctil Pérdida de sensibilidad, desgaste y mal
funcionamiento del conector.
Interruptor de parada Desgaste mecánico, bloqueo por suciedad y
rotura del resorte.
Cabezal de impresión Obstrucción de boquillas y desgaste de boquillas
por fricción.
Bomba de tinta Fugas de tinta, pérdida de presión y bloqueo por
impurezas.
Filtros de tinta Obstrucción por residuos y desgaste de filtro.
Fallas identificadas en las máquinas críticas
Durante el año 2024, las máquinas críticas del área de producción han presentado fallas
con una frecuencia específica de aparición. Estas fallas han sido atendidas por los operarios
mediante la aplicación de procedimientos de mantenimiento correctivo, para la reparación o el
reemplazo de los componentes dañados o averiados cuando resulte necesario. Cabe destacar, que
la frecuencia de aparición de estos modos de fallo posee una relación directa con el efecto o
impacto que generan en el funcionamiento de las máquinas críticas.
Vol. 12/ Núm. 3 2025 pág. 4126
Tabla 3
Frecuencia de las fallas identificadas en el año 2024
Máquina Componente Modo de fallo Frecuencia
Roladora de
láminas
Rodillos Desalineación de rodillos Quincenal
Motor reductor Vibración excesiva Mensual
Engranajes Rotura de dientes Semestral
Rodamientos Desgaste de rodamientos Mensual
Bloques de soporte Fisuras por vibración Trimestral
Bomba hidráulica Pérdida de presión Mensual
Cuchilla de corte Rotura de cuchilla Trimestral
Cabezal de impresión Obstrucción de boquillas Mensual
Filtros de tinta Desgaste de filtro Mensual
Perfiladora de
correas
Rodillos Desgaste superficial Trimestral
Engranajes Desgaste por fricción Semestral
Ejes Desalineación de ejes Quincenal
Rodamientos Bloqueo por suciedad Mensual
Cuchilla de corte Desgaste de filo Bimestral
Sensores de posición Desajuste de sensores Mensual
Pantalla táctil Pérdida de sensibilidad Trimestral
Bomba de tinta Fugas de tinta Bimestral
Filtros de tinta Obstrucción por residuos Bimestral
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
Fallas identificadas en la Roladora de láminas para techos
El número de fallas detectadas en los componentes principales y el tiempo de reparación
requerido por los operarios para atender cada una de las fallas en la Roladora de láminas para
techos se detallan a continuación:
Tabla 4
Fallas de la roladora de láminas para techos en el año 2024
Máqui
na
Compone
nte
Modo de
fallo
N°
de
fall
os
Tiempo
de
reparaci
ón (h)
Tiem
po
total
(h)
Tiempo
acumula
do (h)
Porcent
aje (%)
Porcent
aje
acumula
do (%)
Rolado
ra de
láminas
Cabezal de
impresión
Obstrucció
n de
boquillas
12 2 24 24 21,90% 21,90%
Tabla 3
Frecuencia de las fallas identificadas en el año 2024
Máquina Componente Modo de fallo Frecuencia
Roladora de
láminas
Rodillos Desalineación de rodillos Quincenal
Motor reductor Vibración excesiva Mensual
Engranajes Rotura de dientes Semestral
Rodamientos Desgaste de rodamientos Mensual
Bloques de soporte Fisuras por vibración Trimestral
Bomba hidráulica Pérdida de presión Mensual
Cuchilla de corte Rotura de cuchilla Trimestral
Cabezal de impresión Obstrucción de boquillas Mensual
Filtros de tinta Desgaste de filtro Mensual
Perfiladora de
correas
Rodillos Desgaste superficial Trimestral
Engranajes Desgaste por fricción Semestral
Ejes Desalineación de ejes Quincenal
Rodamientos Bloqueo por suciedad Mensual
Cuchilla de corte Desgaste de filo Bimestral
Sensores de posición Desajuste de sensores Mensual
Pantalla táctil Pérdida de sensibilidad Trimestral
Bomba de tinta Fugas de tinta Bimestral
Filtros de tinta Obstrucción por residuos Bimestral
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
Fallas identificadas en la Roladora de láminas para techos
El número de fallas detectadas en los componentes principales y el tiempo de reparación
requerido por los operarios para atender cada una de las fallas en la Roladora de láminas para
techos se detallan a continuación:
Tabla 4
Fallas de la roladora de láminas para techos en el año 2024
Máqui
na
Compone
nte
Modo de
fallo
N°
de
fall
os
Tiempo
de
reparaci
ón (h)
Tiem
po
total
(h)
Tiempo
acumula
do (h)
Porcent
aje (%)
Porcent
aje
acumula
do (%)
Rolado
ra de
láminas
Cabezal de
impresión
Obstrucció
n de
boquillas
12 2 24 24 21,90% 21,90%
Vol. 12/ Núm. 3 2025 pág. 4127
Rodamient
os
Desgaste
de
rodamiento
s
12 1,5 18 42 16,42% 38,32%
Motor
reductor
Vibración
excesiva 12 1 12 54 10,95% 49,27%
Rodillos
Desalineac
ión de
rodillos
24 0,5 12 66 10,95% 60,22%
Bloques
de soporte
Fisuras por
vibración 4 3 12 78 10,95% 71,17%
Bomba
hidráulica
Pérdida de
presión 12 0,8 9,6 87,6 8,76% 79,93%
Engranaje
s
Rotura de
dientes 2 4 8 95,6 7,30% 87,23%
Cuchilla
de corte
Rotura de
cuchilla 4 2 8 103,6 7,30% 94,53%
Filtros de
tinta
Desgaste
de filtro 12 0,5 6 109,6 5,47% 100,00%
94 109,6 100,00
%
La Roladora de láminas para techos registró un total de 94 fallas y un tiempo total
acumulado de 109,6 horas de paradas no programadas durante el año 2024. Como se detalla en la
tabla, el tiempo de reparación varía según el modo de fallo detectado, además, posee una relación
directa con el impacto de la falla sobre el componente afectado. Es decir, cuanto mayor es el
tiempo para la reparación, mayor es el deterioro que ha sufrido el componente de la máquina. A
continuación, se presenta un gráfico circular con la proporción del tiempo correspondiente a los
modos de fallo de la Roladora de láminas para techos:
Rodamient
os
Desgaste
de
rodamiento
s
12 1,5 18 42 16,42% 38,32%
Motor
reductor
Vibración
excesiva 12 1 12 54 10,95% 49,27%
Rodillos
Desalineac
ión de
rodillos
24 0,5 12 66 10,95% 60,22%
Bloques
de soporte
Fisuras por
vibración 4 3 12 78 10,95% 71,17%
Bomba
hidráulica
Pérdida de
presión 12 0,8 9,6 87,6 8,76% 79,93%
Engranaje
s
Rotura de
dientes 2 4 8 95,6 7,30% 87,23%
Cuchilla
de corte
Rotura de
cuchilla 4 2 8 103,6 7,30% 94,53%
Filtros de
tinta
Desgaste
de filtro 12 0,5 6 109,6 5,47% 100,00%
94 109,6 100,00
%
La Roladora de láminas para techos registró un total de 94 fallas y un tiempo total
acumulado de 109,6 horas de paradas no programadas durante el año 2024. Como se detalla en la
tabla, el tiempo de reparación varía según el modo de fallo detectado, además, posee una relación
directa con el impacto de la falla sobre el componente afectado. Es decir, cuanto mayor es el
tiempo para la reparación, mayor es el deterioro que ha sufrido el componente de la máquina. A
continuación, se presenta un gráfico circular con la proporción del tiempo correspondiente a los
modos de fallo de la Roladora de láminas para techos:
Vol. 12/ Núm. 3 2025 pág. 4128
Figura 2
Proporción de los modos de fallo de la roladora de láminas para techos
El gráfico circular muestra que la obstrucción de boquillas del cabezal de impresión
representa el 21,90% del tiempo total de paradas no programadas de la Roladora de láminas para
techos, considerándose como el modo de fallo más crítico y el que mayor impacto genera sobre
el funcionamiento y disponibilidad de la máquina. Por otro lado, el desgaste de los filtros de tinta
representa el 5,47% del tiempo de paradas no programadas, siendo el modo de fallo de menor
relevancia o impacto, al ocasionar la menor cantidad de tiempo de inactividad de la máquina
durante el proceso productivo. A continuación, se presenta un gráfico de Pareto que permite
identificar y priorizar los modos de fallo más relevantes de la Roladora de láminas para techos:
Figura 3
Gráfico de Pareto de los modos de fallo de la roladora de láminas para techos
Fallas identificadas en la Perfiladora de correas G
El número de fallas detectadas en los componentes principales y el tiempo de reparación
requerido por los operarios para atender cada una de las fallas en la Perfiladora de correas G se
detallan a continuación:
Figura 2
Proporción de los modos de fallo de la roladora de láminas para techos
El gráfico circular muestra que la obstrucción de boquillas del cabezal de impresión
representa el 21,90% del tiempo total de paradas no programadas de la Roladora de láminas para
techos, considerándose como el modo de fallo más crítico y el que mayor impacto genera sobre
el funcionamiento y disponibilidad de la máquina. Por otro lado, el desgaste de los filtros de tinta
representa el 5,47% del tiempo de paradas no programadas, siendo el modo de fallo de menor
relevancia o impacto, al ocasionar la menor cantidad de tiempo de inactividad de la máquina
durante el proceso productivo. A continuación, se presenta un gráfico de Pareto que permite
identificar y priorizar los modos de fallo más relevantes de la Roladora de láminas para techos:
Figura 3
Gráfico de Pareto de los modos de fallo de la roladora de láminas para techos
Fallas identificadas en la Perfiladora de correas G
El número de fallas detectadas en los componentes principales y el tiempo de reparación
requerido por los operarios para atender cada una de las fallas en la Perfiladora de correas G se
detallan a continuación:
Vol. 12/ Núm. 3 2025 pág. 4129
Tabla 5
Fallas de la perfiladora de correas G en el año 2024
Máquin
a
Compone
nte
Modo de
fallo
N°
de
fall
os
Tiempo
de
reparaci
ón (h)
Tiem
po
total
(h)
Tiempo
acumula
do (h)
Porcent
aje (%)
Porcent
aje
acumula
do (%)
Perfilad
ora de
correas
Ejes Desalineac
ión de ejes
24 0,5 12 12 16,76% 16,76%
Rodamien
tos
Bloqueo
por
suciedad
12 1 12 24 16,76% 33,52%
Sensores
de
posición
Desajuste
de
sensores
12 0,8 9,6 33,6 13,41% 46,93%
Bomba de
tinta
Fugas de
tinta
6 1,5 9 42,6 12,57% 59,50%
Pantalla
táctil
Pérdida de
sensibilida
d
4 2 8 50,6 11,17% 70,67%
Rodillos Desgaste
superficial
4 1,5 6 56,6 8,38% 79,05%
Engranaje
s
Desgaste
por
fricción
2 3 6 62,6 8,38% 87,43%
Filtros de
tinta
Obstrucció
n por
residuos
6 0,9 5,4 68 7,54% 94,97%
Cuchilla
de corte
Desgaste
de filo
6 0,6 3,6 71,6 5,03% 100,00%
76 71,6 100,00
%
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
La Perfiladora de correas G registró un total de 76 fallas y un tiempo total acumulado de
71,6 horas de paradas no programadas durante el año 2024. Como se detalla en la tabla, el tiempo
de reparación varía según el modo de fallo detectado, además, posee una relación directa con el
impacto de la falla sobre el componente afectado. Es decir, cuanto mayor es el tiempo para la
Tabla 5
Fallas de la perfiladora de correas G en el año 2024
Máquin
a
Compone
nte
Modo de
fallo
N°
de
fall
os
Tiempo
de
reparaci
ón (h)
Tiem
po
total
(h)
Tiempo
acumula
do (h)
Porcent
aje (%)
Porcent
aje
acumula
do (%)
Perfilad
ora de
correas
Ejes Desalineac
ión de ejes
24 0,5 12 12 16,76% 16,76%
Rodamien
tos
Bloqueo
por
suciedad
12 1 12 24 16,76% 33,52%
Sensores
de
posición
Desajuste
de
sensores
12 0,8 9,6 33,6 13,41% 46,93%
Bomba de
tinta
Fugas de
tinta
6 1,5 9 42,6 12,57% 59,50%
Pantalla
táctil
Pérdida de
sensibilida
d
4 2 8 50,6 11,17% 70,67%
Rodillos Desgaste
superficial
4 1,5 6 56,6 8,38% 79,05%
Engranaje
s
Desgaste
por
fricción
2 3 6 62,6 8,38% 87,43%
Filtros de
tinta
Obstrucció
n por
residuos
6 0,9 5,4 68 7,54% 94,97%
Cuchilla
de corte
Desgaste
de filo
6 0,6 3,6 71,6 5,03% 100,00%
76 71,6 100,00
%
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
La Perfiladora de correas G registró un total de 76 fallas y un tiempo total acumulado de
71,6 horas de paradas no programadas durante el año 2024. Como se detalla en la tabla, el tiempo
de reparación varía según el modo de fallo detectado, además, posee una relación directa con el
impacto de la falla sobre el componente afectado. Es decir, cuanto mayor es el tiempo para la
Vol. 12/ Núm. 3 2025 pág. 4130
reparación, mayor es el deterioro que ha sufrido el componente de la máquina. A continuación,
se presenta un gráfico circular con la proporción del tiempo correspondiente a los modos de fallo
de la Perfiladora de correas G:
Figura 4
Proporción de los modos de fallo de la perfiladora de correas G
El gráfico circular muestra que la desalineación de ejes y el bloqueo por suciedad de los
rodamientos representan cada uno el 16,76% del tiempo total de paradas no programadas de la
Perfiladora de correas G, considerándose como los modos de fallo más críticos y los que mayor
impacto generan sobre el funcionamiento y disponibilidad de la máquina. Por otro lado, el
desgaste de filo de la cuchilla de corte representa el 5,03% del tiempo de paradas no programadas,
siendo el modo de fallo de menor relevancia o impacto, al ocasionar la menor cantidad de tiempo
de inactividad de la máquina durante el proceso productivo. A continuación, se presenta un
gráfico de Pareto que permite identificar y priorizar los modos de fallo más relevantes de la
Perfiladora de correas G:
Figura 5
Gráfico de Pareto de los modos de fallo de la perfiladora de correas G
reparación, mayor es el deterioro que ha sufrido el componente de la máquina. A continuación,
se presenta un gráfico circular con la proporción del tiempo correspondiente a los modos de fallo
de la Perfiladora de correas G:
Figura 4
Proporción de los modos de fallo de la perfiladora de correas G
El gráfico circular muestra que la desalineación de ejes y el bloqueo por suciedad de los
rodamientos representan cada uno el 16,76% del tiempo total de paradas no programadas de la
Perfiladora de correas G, considerándose como los modos de fallo más críticos y los que mayor
impacto generan sobre el funcionamiento y disponibilidad de la máquina. Por otro lado, el
desgaste de filo de la cuchilla de corte representa el 5,03% del tiempo de paradas no programadas,
siendo el modo de fallo de menor relevancia o impacto, al ocasionar la menor cantidad de tiempo
de inactividad de la máquina durante el proceso productivo. A continuación, se presenta un
gráfico de Pareto que permite identificar y priorizar los modos de fallo más relevantes de la
Perfiladora de correas G:
Figura 5
Gráfico de Pareto de los modos de fallo de la perfiladora de correas G
Vol. 12/ Núm. 3 2025 pág. 4131
Número de fallas de las máquinas críticas
Tabla 6
Número de fallas de la roladora de láminas para techos en el año 2024
Máq
uina
Compo
nente
Modo
de fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembr
eOctubre
Noviembre
Diciembre
TOTAL
Rola
dora
de
lámin
as
Rodillo
s
Desalin
eación
de
rodillos
2 2 2 2 2 2 2 2 2 2 2 2 24
Motor
reducto
r
Vibraci
ón
excesiv
a
1 1 1 1 1 1 1 1 1 1 1 1 12
Engran
ajes
Rotura
de
dientes
0 1 0 0 0 0 0 1 0 0 0 0 2
Rodami
entos
Desgast
e de
rodamie
ntos
1 1 1 1 1 1 1 1 1 1 1 1 12
Bloque
s de
soporte
Fisuras
por
vibració
n
0 1 0 0 1 0 0 1 0 0 1 0 4
Bomba
hidráuli
ca
Pérdida
de
presión
1 1 1 1 1 1 1 1 1 1 1 1 12
Cuchill
a de
corte
Rotura
de
cuchilla
1 0 0 1 0 0 1 0 0 1 0 0 4
Cabezal
de
impresi
ón
Obstruc
ción de
boquilla
s
1 1 1 1 1 1 1 1 1 1 1 1 12
Número de fallas de las máquinas críticas
Tabla 6
Número de fallas de la roladora de láminas para techos en el año 2024
Máq
uina
Compo
nente
Modo
de fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembr
eOctubre
Noviembre
Diciembre
TOTAL
Rola
dora
de
lámin
as
Rodillo
s
Desalin
eación
de
rodillos
2 2 2 2 2 2 2 2 2 2 2 2 24
Motor
reducto
r
Vibraci
ón
excesiv
a
1 1 1 1 1 1 1 1 1 1 1 1 12
Engran
ajes
Rotura
de
dientes
0 1 0 0 0 0 0 1 0 0 0 0 2
Rodami
entos
Desgast
e de
rodamie
ntos
1 1 1 1 1 1 1 1 1 1 1 1 12
Bloque
s de
soporte
Fisuras
por
vibració
n
0 1 0 0 1 0 0 1 0 0 1 0 4
Bomba
hidráuli
ca
Pérdida
de
presión
1 1 1 1 1 1 1 1 1 1 1 1 12
Cuchill
a de
corte
Rotura
de
cuchilla
1 0 0 1 0 0 1 0 0 1 0 0 4
Cabezal
de
impresi
ón
Obstruc
ción de
boquilla
s
1 1 1 1 1 1 1 1 1 1 1 1 12
Vol. 12/ Núm. 3 2025 pág. 4132
Filtros
de tinta
Desgast
e de
filtro
1 1 1 1 1 1 1 1 1 1 1 1 12
TOTAL 8 9 7 8 8 7 8 9 7 8 8 7 94
Tabla 7
Número de fallas de la perfiladora de correas G en el año 2024
Máqui
na
Compon
ente
Modo de
fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiemb
re
Octubre
Noviembr
e
Diciembr
e
TOTAL
Perfila
dora de
correas
Rodillos
Desgaste
superfici
al
0 1 0 0 1 0 0 1 0 0 1 0 4
Engranaj
es
Desgaste
por
fricción
0 0 0 0 1 0 0 0 0 0 1 0 2
Ejes
Desaline
ación de
ejes
2 2 2 2 2 2 2 2 2 2 2 2 2
4
Rodamie
ntos
Bloqueo
por
suciedad
1 1 1 1 1 1 1 1 1 1 1 1 1
2
Cuchilla
de corte
Desgaste
de filo 0 1 0 1 0 1 0 1 0 1 0 1 6
Sensores
de
posición
Desajust
e de
sensores
1 1 1 1 1 1 1 1 1 1 1 1 1
2
Pantalla
táctil
Pérdida
de
sensibilid
ad
1 0 0 1 0 0 1 0 0 1 0 0 4
Bomba
de tinta
Fugas de
tinta 0 1 0 1 0 1 0 1 0 1 0 1 6
Filtros
de tinta
Obstrucc
ión por
residuos
0 1 0 1 0 1 0 1 0 1 0 1 6
TOTAL 5 8 4 8 6 7 5 8 4 8 6 7 7
6
El número total de fallas identificadas por cada mes de operación de las máquinas críticas
se puede representar gráficamente en el siguiente diagrama de barras:
Filtros
de tinta
Desgast
e de
filtro
1 1 1 1 1 1 1 1 1 1 1 1 12
TOTAL 8 9 7 8 8 7 8 9 7 8 8 7 94
Tabla 7
Número de fallas de la perfiladora de correas G en el año 2024
Máqui
na
Compon
ente
Modo de
fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiemb
re
Octubre
Noviembr
e
Diciembr
e
TOTAL
Perfila
dora de
correas
Rodillos
Desgaste
superfici
al
0 1 0 0 1 0 0 1 0 0 1 0 4
Engranaj
es
Desgaste
por
fricción
0 0 0 0 1 0 0 0 0 0 1 0 2
Ejes
Desaline
ación de
ejes
2 2 2 2 2 2 2 2 2 2 2 2 2
4
Rodamie
ntos
Bloqueo
por
suciedad
1 1 1 1 1 1 1 1 1 1 1 1 1
2
Cuchilla
de corte
Desgaste
de filo 0 1 0 1 0 1 0 1 0 1 0 1 6
Sensores
de
posición
Desajust
e de
sensores
1 1 1 1 1 1 1 1 1 1 1 1 1
2
Pantalla
táctil
Pérdida
de
sensibilid
ad
1 0 0 1 0 0 1 0 0 1 0 0 4
Bomba
de tinta
Fugas de
tinta 0 1 0 1 0 1 0 1 0 1 0 1 6
Filtros
de tinta
Obstrucc
ión por
residuos
0 1 0 1 0 1 0 1 0 1 0 1 6
TOTAL 5 8 4 8 6 7 5 8 4 8 6 7 7
6
El número total de fallas identificadas por cada mes de operación de las máquinas críticas
se puede representar gráficamente en el siguiente diagrama de barras:
Vol. 12/ Núm. 3 2025 pág. 4133
Figura 6
Gráfico de barras del número de fallas por máquina crítica en el año 2024
Los datos presentados en el gráfico muestran que los meses de febrero y agosto son los
periodos con la mayor cantidad de fallas en las máquinas críticas, es decir, de las 170 fallas
anuales identificadas sobre las máquinas críticas, 17 fallas corresponden al mes de febrero y 17
al mes de agosto.
Tiempos de parada no programadas de las máquinas críticas
Tabla 8
Tiempo de paradas no programadas de la roladora de láminas para techos en el año 2024
Máq
uina
Compo
nente
Modo
de fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
TOTAL (h)
Rola
dora
de
lámin
as
Rodillo
s
Desalin
eación
de
rodillos
1 1 1 1 1 1 1 1 1 1 1 1 12
Motor
reducto
r
Vibraci
ón
excesiv
a
1 1 1 1 1 1 1 1 1 1 1 1 12
Engran
ajes
Rotura
de
dientes
0 4 0 0 0 0 0 4 0 0 0 0 8
Rodami
entos
Desgast
e de
rodamie
ntos
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5 18
Figura 6
Gráfico de barras del número de fallas por máquina crítica en el año 2024
Los datos presentados en el gráfico muestran que los meses de febrero y agosto son los
periodos con la mayor cantidad de fallas en las máquinas críticas, es decir, de las 170 fallas
anuales identificadas sobre las máquinas críticas, 17 fallas corresponden al mes de febrero y 17
al mes de agosto.
Tiempos de parada no programadas de las máquinas críticas
Tabla 8
Tiempo de paradas no programadas de la roladora de láminas para techos en el año 2024
Máq
uina
Compo
nente
Modo
de fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
TOTAL (h)
Rola
dora
de
lámin
as
Rodillo
s
Desalin
eación
de
rodillos
1 1 1 1 1 1 1 1 1 1 1 1 12
Motor
reducto
r
Vibraci
ón
excesiv
a
1 1 1 1 1 1 1 1 1 1 1 1 12
Engran
ajes
Rotura
de
dientes
0 4 0 0 0 0 0 4 0 0 0 0 8
Rodami
entos
Desgast
e de
rodamie
ntos
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5
1,
5 18
Vol. 12/ Núm. 3 2025 pág. 4134
Bloque
s de
soporte
Fisuras
por
vibració
n
0 3 0 0 3 0 0 3 0 0 3 0 12
Bomba
hidráuli
ca
Pérdida
de
presión
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8 9,6
Cuchill
a de
corte
Rotura
de
cuchilla
2 0 0 2 0 0 2 0 0 2 0 0 8
Cabeza
l de
impresi
ón
Obstruc
ción de
boquilla
s
2 2 2 2 2 2 2 2 2 2 2 2 24
Filtros
de tinta
Desgast
e de
filtro
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5 6
TOTAL (h) 8,
8
13
,8
6,
8
8,
8
9,
8
6,
8
8,
8
13
,8
6,
8
8,
8
9,
8
6,
8
10
9,6
Tabla 9
Tiempo de paradas no programadas de la perfiladora de correas G en el año 2024
Máqui
na
Compon
ente
Modo de
fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
TOTAL (h)
Perfila
dora de
correas
Rodillos
Desgaste
superfici
al
0 1,
5 0 0 1,
5 0 0 1,
5 0 0 1,
5 0 6
Engranaj
es
Desgaste
por
fricción
0 0 0 0 3 0 0 0 0 0 3 0 6
Ejes
Desaline
ación de
ejes
1 1 1 1 1 1 1 1 1 1 1 1 12
Rodamie
ntos
Bloqueo
por
suciedad
1 1 1 1 1 1 1 1 1 1 1 1 12
Bloque
s de
soporte
Fisuras
por
vibració
n
0 3 0 0 3 0 0 3 0 0 3 0 12
Bomba
hidráuli
ca
Pérdida
de
presión
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8 9,6
Cuchill
a de
corte
Rotura
de
cuchilla
2 0 0 2 0 0 2 0 0 2 0 0 8
Cabeza
l de
impresi
ón
Obstruc
ción de
boquilla
s
2 2 2 2 2 2 2 2 2 2 2 2 24
Filtros
de tinta
Desgast
e de
filtro
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5
0,
5 6
TOTAL (h) 8,
8
13
,8
6,
8
8,
8
9,
8
6,
8
8,
8
13
,8
6,
8
8,
8
9,
8
6,
8
10
9,6
Tabla 9
Tiempo de paradas no programadas de la perfiladora de correas G en el año 2024
Máqui
na
Compon
ente
Modo de
fallo
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
TOTAL (h)
Perfila
dora de
correas
Rodillos
Desgaste
superfici
al
0 1,
5 0 0 1,
5 0 0 1,
5 0 0 1,
5 0 6
Engranaj
es
Desgaste
por
fricción
0 0 0 0 3 0 0 0 0 0 3 0 6
Ejes
Desaline
ación de
ejes
1 1 1 1 1 1 1 1 1 1 1 1 12
Rodamie
ntos
Bloqueo
por
suciedad
1 1 1 1 1 1 1 1 1 1 1 1 12
Vol. 12/ Núm. 3 2025 pág. 4135
Cuchilla
de corte
Desgaste
de filo 0 0,
6 0 0,
6 0 0,
6 0 0,
6 0 0,
6 0 0,
6
3,
6
Sensores
de
posición
Desajust
e de
sensores
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
9,
6
Pantalla
táctil
Pérdida
de
sensibilid
ad
2 0 0 2 0 0 2 0 0 2 0 0 8
Bomba
de tinta
Fugas de
tinta 0 1,
5 0 1,
5 0 1,
5 0 1,
5 0 1,
5 0 1,
5 9
Filtros
de tinta
Obstrucc
ión por
residuos
0 0,
9 0 0,
9 0 0,
9 0 0,
9 0 0,
9 0 0,
9
5,
4
TOTAL (h) 4,
8
7,
3
2,
8
7,
8
7,
3
5,
8
4,
8
7,
3
2,
8
7,
8
7,
3
5,
8
71
,6
El tiempo total de paradas no programadas por cada mes de operación de las máquinas
críticas se puede representar gráficamente en el siguiente diagrama de barras:
Figura 7
Gráfico de barras del tiempo de paradas no programadas por máquina crítica en el año 2024
Los datos presentados en el gráfico muestran que los meses de febrero y agosto son los
periodos con el mayor tiempo de inactividad o paradas no programadas ocasionadas por las fallas
sobre las máquinas críticas, es decir, de las 181,2 horas anuales de paradas no programadas en las
máquinas críticas, 21,1 horas corresponden al mes de febrero y 21,1 horas al mes de agosto.
Indicadores de gestión del mantenimiento
Disponibilidad
La disponibilidad que presentaron las máquinas críticas durante el año 2024 es la siguiente:
Cuchilla
de corte
Desgaste
de filo 0 0,
6 0 0,
6 0 0,
6 0 0,
6 0 0,
6 0 0,
6
3,
6
Sensores
de
posición
Desajust
e de
sensores
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
0,
8
9,
6
Pantalla
táctil
Pérdida
de
sensibilid
ad
2 0 0 2 0 0 2 0 0 2 0 0 8
Bomba
de tinta
Fugas de
tinta 0 1,
5 0 1,
5 0 1,
5 0 1,
5 0 1,
5 0 1,
5 9
Filtros
de tinta
Obstrucc
ión por
residuos
0 0,
9 0 0,
9 0 0,
9 0 0,
9 0 0,
9 0 0,
9
5,
4
TOTAL (h) 4,
8
7,
3
2,
8
7,
8
7,
3
5,
8
4,
8
7,
3
2,
8
7,
8
7,
3
5,
8
71
,6
El tiempo total de paradas no programadas por cada mes de operación de las máquinas
críticas se puede representar gráficamente en el siguiente diagrama de barras:
Figura 7
Gráfico de barras del tiempo de paradas no programadas por máquina crítica en el año 2024
Los datos presentados en el gráfico muestran que los meses de febrero y agosto son los
periodos con el mayor tiempo de inactividad o paradas no programadas ocasionadas por las fallas
sobre las máquinas críticas, es decir, de las 181,2 horas anuales de paradas no programadas en las
máquinas críticas, 21,1 horas corresponden al mes de febrero y 21,1 horas al mes de agosto.
Indicadores de gestión del mantenimiento
Disponibilidad
La disponibilidad que presentaron las máquinas críticas durante el año 2024 es la siguiente:
Vol. 12/ Núm. 3 2025 pág. 4136
Tabla 10
Disponibilidad de las máquinas críticas
Máquina Tiempo total disponible
(horas)
Tiempo de operación
(horas)
Disponibilidad A
(%)
Roladora 304 194,4 63,95 %
Perfiladora 152 80,4 52,89 %
TOTAL 456 274,8 58,42 %
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
La disponibilidad de las máquinas críticas en el proceso productivo fue del 58,42 %, es
decir, es el porcentaje del tiempo anual en que estas se encontraron en funcionamiento,
considerando los tiempos de paradas no programadas provocadas por las fallas.
Rendimiento
El rendimiento que presentaron las máquinas críticas durante el año 2024 es el siguiente:
El rendimiento de las máquinas críticas en el proceso productivo fue del 98,54 %, es decir,
es la eficiencia anual de las máquinas durante su funcionamiento, considerando las pérdidas de
producción ocasionadas por los tiempos de paradas no programadas, la reducción de la velocidad
de producción y las microparadas.
Calidad
La calidad que presentaron los techos y correas G aluminizadas producidos durante el año
2024 es la siguiente:
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑝𝑟𝑒𝑣𝑖𝑠𝑡𝑎 ∗ 100
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 83221,4 𝑚
84456 𝑚 ∗ 100
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 0,9854 ∗ 100
𝑹𝒆𝒏𝒅𝒊𝒎𝒊𝒆𝒏𝒕𝒐 = 98,54 %
𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 𝑃𝑖𝑒𝑧𝑎𝑠 𝑏𝑢𝑒𝑛𝑎𝑠
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 ∗ 100
𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 79060,3 𝑚
83221,4 𝑚 ∗ 100
𝑪𝒂𝒍𝒊𝒅𝒂𝒅 = 95,00 %
Tabla 10
Disponibilidad de las máquinas críticas
Máquina Tiempo total disponible
(horas)
Tiempo de operación
(horas)
Disponibilidad A
(%)
Roladora 304 194,4 63,95 %
Perfiladora 152 80,4 52,89 %
TOTAL 456 274,8 58,42 %
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
La disponibilidad de las máquinas críticas en el proceso productivo fue del 58,42 %, es
decir, es el porcentaje del tiempo anual en que estas se encontraron en funcionamiento,
considerando los tiempos de paradas no programadas provocadas por las fallas.
Rendimiento
El rendimiento que presentaron las máquinas críticas durante el año 2024 es el siguiente:
El rendimiento de las máquinas críticas en el proceso productivo fue del 98,54 %, es decir,
es la eficiencia anual de las máquinas durante su funcionamiento, considerando las pérdidas de
producción ocasionadas por los tiempos de paradas no programadas, la reducción de la velocidad
de producción y las microparadas.
Calidad
La calidad que presentaron los techos y correas G aluminizadas producidos durante el año
2024 es la siguiente:
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑝𝑟𝑒𝑣𝑖𝑠𝑡𝑎 ∗ 100
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 83221,4 𝑚
84456 𝑚 ∗ 100
𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 0,9854 ∗ 100
𝑹𝒆𝒏𝒅𝒊𝒎𝒊𝒆𝒏𝒕𝒐 = 98,54 %
𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 𝑃𝑖𝑒𝑧𝑎𝑠 𝑏𝑢𝑒𝑛𝑎𝑠
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 ∗ 100
𝐶𝑎𝑙𝑖𝑑𝑎𝑑 = 79060,3 𝑚
83221,4 𝑚 ∗ 100
𝑪𝒂𝒍𝒊𝒅𝒂𝒅 = 95,00 %
Vol. 12/ Núm. 3 2025 pág. 4137
La calidad de los techos y correas G aluminizadas producidos fue del 95,00 %, es decir,
es el porcentaje de la producción que cumplió con las normas de calidad establecidas por
FERROMAX, considerando la cantidad de piezas que fueron rechazadas por defectos o
deterioros.
OEE (Efectividad General de los Equipos)
La efectividad general que presentaron las máquinas críticas del proceso productivo
durante el año 2024 es la siguiente:
La efectividad general de las máquinas críticas en el proceso productivo fue del 54,69 %,
es decir, es la eficiencia con que las máquinas desempeñaron sus funciones para la producción de
techos y correas G aluminizadas de calidad, en el menor tiempo posible y sin paradas no
programadas en el proceso productivo. Este porcentaje se considera un OEE bajo o deficiente, lo
cual indica que se han generado pérdidas económicas significativas y un impacto considerable en
la competitividad de FERROMAX.
Tiempo medio entre fallas (MTBF) y Tiempo medio para fallar (MTTF)
El tiempo medio entre fallas y el tiempo medio para fallar que presentaron las máquinas
críticas durante el año 2024 son los siguientes:
Tabla 11
Disponibilidad de las máquinas críticas
Máquina Tiempo total
disponible (h)
Tiempo de
operación (h)
Tiempo de
reparación (h)
N° de
fallos
MTTF
(h)
MTBF
(h)
Roladora 304 194,4 109,6 94 2,07 3,23
Perfiladora 152 80,4 71,6 76 1,06 2,00
TOTAL 456 274,8 181,2 170 1,56 2,62
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
Los datos obtenidos en la tabla revelan que las fallas ocurren cada 2,62 horas en promedio.
Es decir, aproximadamente cada 3 horas de operación de las máquinas críticas se presenta una
falla que provoca una parada no programada o detiene el proceso productivo.
𝑂𝐸𝐸 = 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 × 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 × 𝐶𝑎𝑙𝑖𝑑𝑎𝑑
𝑂𝐸𝐸 = 58,42 % × 98,54 % × 95,00 %
𝑶𝑬𝑬 = 54,69 %
La calidad de los techos y correas G aluminizadas producidos fue del 95,00 %, es decir,
es el porcentaje de la producción que cumplió con las normas de calidad establecidas por
FERROMAX, considerando la cantidad de piezas que fueron rechazadas por defectos o
deterioros.
OEE (Efectividad General de los Equipos)
La efectividad general que presentaron las máquinas críticas del proceso productivo
durante el año 2024 es la siguiente:
La efectividad general de las máquinas críticas en el proceso productivo fue del 54,69 %,
es decir, es la eficiencia con que las máquinas desempeñaron sus funciones para la producción de
techos y correas G aluminizadas de calidad, en el menor tiempo posible y sin paradas no
programadas en el proceso productivo. Este porcentaje se considera un OEE bajo o deficiente, lo
cual indica que se han generado pérdidas económicas significativas y un impacto considerable en
la competitividad de FERROMAX.
Tiempo medio entre fallas (MTBF) y Tiempo medio para fallar (MTTF)
El tiempo medio entre fallas y el tiempo medio para fallar que presentaron las máquinas
críticas durante el año 2024 son los siguientes:
Tabla 11
Disponibilidad de las máquinas críticas
Máquina Tiempo total
disponible (h)
Tiempo de
operación (h)
Tiempo de
reparación (h)
N° de
fallos
MTTF
(h)
MTBF
(h)
Roladora 304 194,4 109,6 94 2,07 3,23
Perfiladora 152 80,4 71,6 76 1,06 2,00
TOTAL 456 274,8 181,2 170 1,56 2,62
Fuente: Investigacion de Campo
Elaborado: Autores (2024)
Los datos obtenidos en la tabla revelan que las fallas ocurren cada 2,62 horas en promedio.
Es decir, aproximadamente cada 3 horas de operación de las máquinas críticas se presenta una
falla que provoca una parada no programada o detiene el proceso productivo.
𝑂𝐸𝐸 = 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 × 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 × 𝐶𝑎𝑙𝑖𝑑𝑎𝑑
𝑂𝐸𝐸 = 58,42 % × 98,54 % × 95,00 %
𝑶𝑬𝑬 = 54,69 %
Vol. 12/ Núm. 3 2025 pág. 4138
Tasa de fallos
La tasa de fallas que presentaron las máquinas criticas durante el año 2024 es la siguiente:
Por lo tanto, la tasa de fallas de las máquinas críticas en el proceso productivo fue de 0,38
fallas por hora, es decir, las máquinas experimentaron un promedio de 0,38 fallas por cada hora
de operación durante la producción de techos y correas G aluminizadas.
Confiabilidad
La confiabilidad que presentaron las máquinas criticas durante el año 2024 es la siguiente:
Por lo tanto, la confiabilidad de las máquinas críticas que forman parte del proceso
productivo es del 67,03 %. Es decir, la probabilidad de que estas máquinas puedan desempeñar
sus funciones operativas, considerando las fallas identificadas es del 67,03 %. Este porcentaje
representa una confiabilidad baja o deficiente, debido a que las máquinas criticas presentan fallos
recurrentes que provocan elevados tiempos de paradas no programadas, afectando su
funcionamiento y disponibilidad en la producción de techos y correas G aluminizadas.
Tabla 12
Confiabilidad de las máquinas críticas
Área Máquinas críticas t (h) MTBF
(h)
Confiabilidad
(%)
Producción Roladora de láminas y Perfiladora de
correas 1,048 2,62 67,03 %
DISCUSIÓN
Los resultados obtenidos en la empresa FERROMAX evidencian una situación crítica en
la gestión del mantenimiento, caracterizada por una elevada frecuencia de fallas y paradas no
𝜆 = 1
𝑀𝑇𝐵𝐹
𝜆 = 1
2,62 ℎ𝑜𝑟𝑎𝑠
𝑓𝑎𝑙𝑙𝑎
𝝀 = 0,38 𝑓𝑎𝑙𝑙𝑎𝑠
ℎ𝑜𝑟𝑎
𝑅 = 𝑒 −𝑡
𝑀𝑇𝐵𝐹 𝑅 = 𝑒 −1,048
2,62 𝑅 = 0,6703
𝑹 = 67,03 %
Tasa de fallos
La tasa de fallas que presentaron las máquinas criticas durante el año 2024 es la siguiente:
Por lo tanto, la tasa de fallas de las máquinas críticas en el proceso productivo fue de 0,38
fallas por hora, es decir, las máquinas experimentaron un promedio de 0,38 fallas por cada hora
de operación durante la producción de techos y correas G aluminizadas.
Confiabilidad
La confiabilidad que presentaron las máquinas criticas durante el año 2024 es la siguiente:
Por lo tanto, la confiabilidad de las máquinas críticas que forman parte del proceso
productivo es del 67,03 %. Es decir, la probabilidad de que estas máquinas puedan desempeñar
sus funciones operativas, considerando las fallas identificadas es del 67,03 %. Este porcentaje
representa una confiabilidad baja o deficiente, debido a que las máquinas criticas presentan fallos
recurrentes que provocan elevados tiempos de paradas no programadas, afectando su
funcionamiento y disponibilidad en la producción de techos y correas G aluminizadas.
Tabla 12
Confiabilidad de las máquinas críticas
Área Máquinas críticas t (h) MTBF
(h)
Confiabilidad
(%)
Producción Roladora de láminas y Perfiladora de
correas 1,048 2,62 67,03 %
DISCUSIÓN
Los resultados obtenidos en la empresa FERROMAX evidencian una situación crítica en
la gestión del mantenimiento, caracterizada por una elevada frecuencia de fallas y paradas no
𝜆 = 1
𝑀𝑇𝐵𝐹
𝜆 = 1
2,62 ℎ𝑜𝑟𝑎𝑠
𝑓𝑎𝑙𝑙𝑎
𝝀 = 0,38 𝑓𝑎𝑙𝑙𝑎𝑠
ℎ𝑜𝑟𝑎
𝑅 = 𝑒 −𝑡
𝑀𝑇𝐵𝐹 𝑅 = 𝑒 −1,048
2,62 𝑅 = 0,6703
𝑹 = 67,03 %
Vol. 12/ Núm. 3 2025 pág. 4139
programadas que afectan directamente la continuidad del proceso productivo. El análisis de datos
mostró que las dos máquinas críticas, la roladora de láminas y la perfiladora de correas G,
registraron un total de 170 fallas en un año, con 181,2 horas acumuladas de inactividad. Este
escenario se refleja en indicadores claves de desempeño: una disponibilidad global de 58,42 %,
un OEE de 54,69 % y una confiabilidad de apenas 67,03 %.
Estos valores se encuentran muy por debajo de los estándares industriales internacionales,
donde el OEE de clase mundial debe superar el 85 % y la confiabilidad debe mantenerse por
encima del 90 % para garantizar la competitividad en mercados dinámicos (Celmi et al., 2024).
En concordancia con investigaciones recientes, la dependencia de estrategias correctivas
incrementa la tasa de fallas, eleva los costos de operación y reduce la vida útil de los activos
(Lemache-Caiza et al., 2023).
El análisis de Pareto aplicado en la roladora de láminas reveló que las fallas asociadas al
cabezal de impresión y los rodamientos concentraron más del 38 % del tiempo de inactividad
total. De manera similar, en la perfiladora de correas G, la desalineación de ejes y el bloqueo de
rodamientos representaron el 33,5 % de las horas perdidas. Estos hallazgos son consistentes con
estudios de confiabilidad en industrias metalmecánicas, que identifican a los sistemas de
transmisión y los elementos de soporte como los componentes más vulnerables a desgastes
acelerados y vibraciones (Valdivia et al., 2023).
El bajo desempeño en disponibilidad y confiabilidad no solo compromete la eficiencia
operativa, sino que también tiene un impacto directo en la competitividad empresarial. En este
sentido, los resultados confirman lo planteado por Molvar et al. (2025), quien señala que los
sistemas basados en mantenimiento correctivo limitan la capacidad de respuesta de las
organizaciones frente a la demanda y generan pérdidas económicas recurrentes. La situación de
FERROMAX refleja esta problemática, donde la falta de un plan preventivo estructurado
incrementa la vulnerabilidad del sistema productivo.
Asimismo, los indicadores de MTTF (1,56 horas) y MTBF (2,62 horas) demuestran que,
en promedio, las máquinas fallan cada tres horas de operación, lo cual es insostenible para un
proceso continuo. Este hallazgo coincide con estudios de benchmarking en empresas
manufactureras de países emergentes, donde la ausencia de monitoreo predictivo y sistemas de
mantenimiento basados en confiabilidad ocasiona caídas en la productividad superiores al 20 %
anual (Hidalgo et al., 2022).
CONCLUSIONES
El diagnóstico de la gestión de mantenimiento en la empresa FERROMAX permitió
identificar con claridad las limitaciones de un modelo basado en correctivos y la urgencia de
evolucionar hacia estrategias preventivas y de confiabilidad. Los resultados obtenidos constituyen
programadas que afectan directamente la continuidad del proceso productivo. El análisis de datos
mostró que las dos máquinas críticas, la roladora de láminas y la perfiladora de correas G,
registraron un total de 170 fallas en un año, con 181,2 horas acumuladas de inactividad. Este
escenario se refleja en indicadores claves de desempeño: una disponibilidad global de 58,42 %,
un OEE de 54,69 % y una confiabilidad de apenas 67,03 %.
Estos valores se encuentran muy por debajo de los estándares industriales internacionales,
donde el OEE de clase mundial debe superar el 85 % y la confiabilidad debe mantenerse por
encima del 90 % para garantizar la competitividad en mercados dinámicos (Celmi et al., 2024).
En concordancia con investigaciones recientes, la dependencia de estrategias correctivas
incrementa la tasa de fallas, eleva los costos de operación y reduce la vida útil de los activos
(Lemache-Caiza et al., 2023).
El análisis de Pareto aplicado en la roladora de láminas reveló que las fallas asociadas al
cabezal de impresión y los rodamientos concentraron más del 38 % del tiempo de inactividad
total. De manera similar, en la perfiladora de correas G, la desalineación de ejes y el bloqueo de
rodamientos representaron el 33,5 % de las horas perdidas. Estos hallazgos son consistentes con
estudios de confiabilidad en industrias metalmecánicas, que identifican a los sistemas de
transmisión y los elementos de soporte como los componentes más vulnerables a desgastes
acelerados y vibraciones (Valdivia et al., 2023).
El bajo desempeño en disponibilidad y confiabilidad no solo compromete la eficiencia
operativa, sino que también tiene un impacto directo en la competitividad empresarial. En este
sentido, los resultados confirman lo planteado por Molvar et al. (2025), quien señala que los
sistemas basados en mantenimiento correctivo limitan la capacidad de respuesta de las
organizaciones frente a la demanda y generan pérdidas económicas recurrentes. La situación de
FERROMAX refleja esta problemática, donde la falta de un plan preventivo estructurado
incrementa la vulnerabilidad del sistema productivo.
Asimismo, los indicadores de MTTF (1,56 horas) y MTBF (2,62 horas) demuestran que,
en promedio, las máquinas fallan cada tres horas de operación, lo cual es insostenible para un
proceso continuo. Este hallazgo coincide con estudios de benchmarking en empresas
manufactureras de países emergentes, donde la ausencia de monitoreo predictivo y sistemas de
mantenimiento basados en confiabilidad ocasiona caídas en la productividad superiores al 20 %
anual (Hidalgo et al., 2022).
CONCLUSIONES
El diagnóstico de la gestión de mantenimiento en la empresa FERROMAX permitió
identificar con claridad las limitaciones de un modelo basado en correctivos y la urgencia de
evolucionar hacia estrategias preventivas y de confiabilidad. Los resultados obtenidos constituyen
Vol. 12/ Núm. 3 2025 pág. 4140
un aporte significativo tanto a la práctica industrial como a la literatura científica en
mantenimiento.
En primer lugar, se evidenció que el enfoque actual, centrado en la atención de fallas una
vez ocurridas, genera una carga operacional considerable. Durante el período de estudio, las dos
máquinas críticas que es la roladora de láminas y la perfiladora de correas G. En el cual se
registraron un total de 170 fallas, con más de 181 horas acumuladas de inactividad. Esta situación
no solo afecta la continuidad productiva, sino que también incrementa los costos asociados a
repuestos, mano de obra y pérdidas por incumplimiento de plazos de entrega.
En segundo lugar, los indicadores técnicos calculados ofrecen una visión cuantitativa de
la problemática. La disponibilidad promedio del 58,42 %, la efectividad global de los equipos
(OEE) de 54,69 % y la confiabilidad de apenas 67,03 % se encuentran muy por debajo de los
parámetros internacionales, donde el OEE de clase mundial debe superar el 85 % y la
confiabilidad operacional alcanzar valores superiores al 90 %. Estos resultados reflejan no solo
un bajo desempeño interno, sino también una amenaza para la competitividad empresarial frente
a mercados cada vez más exigentes.
En tercer lugar, el análisis de modos de falla y criticidad identificó a los rodamientos, ejes
y cabezales como los principales responsables de los tiempos de inactividad, confirmando
patrones reportados en investigaciones previas en industrias metalmecánicas. La reiteración de
fallas en componentes básicos del sistema productivo evidencia la ausencia de políticas
estructuradas de mantenimiento preventivo y predictivo, así como la carencia de registros
históricos confiables que permitan una gestión basada en datos.
En cuarto lugar, los hallazgos del estudio resaltan la importancia de transitar hacia un plan
de mantenimiento preventivo basado en confiabilidad (RCM). La implementación de esta
metodología no solo permitiría reducir la frecuencia de fallas y los tiempos de inactividad, sino
también mejorar indicadores estratégicos como el MTBF, el MTTF, la disponibilidad y la
confiabilidad. A largo plazo, el RCM contribuiría a extender la vida útil de los activos, optimizar
la planificación de recursos y fortalecer la sostenibilidad económica de la empresa.
un aporte significativo tanto a la práctica industrial como a la literatura científica en
mantenimiento.
En primer lugar, se evidenció que el enfoque actual, centrado en la atención de fallas una
vez ocurridas, genera una carga operacional considerable. Durante el período de estudio, las dos
máquinas críticas que es la roladora de láminas y la perfiladora de correas G. En el cual se
registraron un total de 170 fallas, con más de 181 horas acumuladas de inactividad. Esta situación
no solo afecta la continuidad productiva, sino que también incrementa los costos asociados a
repuestos, mano de obra y pérdidas por incumplimiento de plazos de entrega.
En segundo lugar, los indicadores técnicos calculados ofrecen una visión cuantitativa de
la problemática. La disponibilidad promedio del 58,42 %, la efectividad global de los equipos
(OEE) de 54,69 % y la confiabilidad de apenas 67,03 % se encuentran muy por debajo de los
parámetros internacionales, donde el OEE de clase mundial debe superar el 85 % y la
confiabilidad operacional alcanzar valores superiores al 90 %. Estos resultados reflejan no solo
un bajo desempeño interno, sino también una amenaza para la competitividad empresarial frente
a mercados cada vez más exigentes.
En tercer lugar, el análisis de modos de falla y criticidad identificó a los rodamientos, ejes
y cabezales como los principales responsables de los tiempos de inactividad, confirmando
patrones reportados en investigaciones previas en industrias metalmecánicas. La reiteración de
fallas en componentes básicos del sistema productivo evidencia la ausencia de políticas
estructuradas de mantenimiento preventivo y predictivo, así como la carencia de registros
históricos confiables que permitan una gestión basada en datos.
En cuarto lugar, los hallazgos del estudio resaltan la importancia de transitar hacia un plan
de mantenimiento preventivo basado en confiabilidad (RCM). La implementación de esta
metodología no solo permitiría reducir la frecuencia de fallas y los tiempos de inactividad, sino
también mejorar indicadores estratégicos como el MTBF, el MTTF, la disponibilidad y la
confiabilidad. A largo plazo, el RCM contribuiría a extender la vida útil de los activos, optimizar
la planificación de recursos y fortalecer la sostenibilidad económica de la empresa.
Vol. 12/ Núm. 3 2025 pág. 4141
REFERENCIAS
Aguirre, A. N. P., Carranza, R. D. T. H., Adrianzén, M. E. A., & Cabello, M. A. A. (2022).
Proposal For Improvement In Production And Maintenance Processes According To Six
Sigma Theory To Increase The Quality Of Ecopacking Cartones S.A. Chao 2021.
Proceedings of the LACCEI international Multi-conference for Engineering, Education
and Technology,
Celmi, R. S. A., Albujar, N. M. A., & Del Milagro Lucano Cachay, C. L. (2024). Design of a
maintenance plan improvement to reduce costs in the plating area of an industrial plastics
SME. Proceedings of the LACCEI international Multi-conference for Engineering,
Education and Technology,
Condo-Palomino, R., Cruz-Barreto, L., & Quiroz-Flores, J. (2022). Increased equipment
performance in agro-industrial companies through a maintenance model based on the
TPM approach. Proceedings of the LACCEI international Multi-conference for
Engineering, Education and Technology,
Fuchs, M. V., Rodríguez-Cáceres, A., Altamirano-Flores, E., Marcelo Lastra, G. E., & Álvarez
Merino, J. C. (2020). Proposal to improve the maintenance management plan based on
rcm and lean office in the polymer injection process [Article]. RISTI - Revista Iberica de
Sistemas e Tecnologias de Informacao, 2020(E37), 41-51.
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85101608464&partnerID=40&md5=1b2eefb0ff7c9bbd311fa81870688fa5
Hidalgo, B. L. F., Moreno, J. J. H., & Cordova, M. E. C. J. M. G. (2022). Impact of industrial
maintenance on the supply chain in a textile company in times of pandemic. Proceedings
- 2022 8th International Engineering, Sciences and Technology Conference, IESTEC
2022,
Lemache-Caiza, K., García-Mora, F., Valverde-González, V., & Velastegui López, E. (2023).
MACHINE LEARNING APPROACH TO INDUSTRIAL MAINTENANCE
MANAGEMENT [Article]. Universidad y Sociedad, 15(3), 628-637.
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85162931970&partnerID=40&md5=8643b78094e68883ec4500d1cb20e1cc
Molvar, J., Moubray, A., Mathew, N., & Danker, J. (2025). Availability Risk Management for
Systems with Multiple Configurations. Proceedings - Annual Reliability and
Maintainability Symposium,
Ramos Ciprián, R. D., & Salavert Fernández, J. M. (2020). EFFECT OF DOCUMENTATION,
RECORDS AND INDICATORS ON THE IMPROVEMENT OF MAINTENANCE IN
THE PROCESSING OF SUGARCANE. Proceedings from the International Congress on
Project Management and Engineering,
REFERENCIAS
Aguirre, A. N. P., Carranza, R. D. T. H., Adrianzén, M. E. A., & Cabello, M. A. A. (2022).
Proposal For Improvement In Production And Maintenance Processes According To Six
Sigma Theory To Increase The Quality Of Ecopacking Cartones S.A. Chao 2021.
Proceedings of the LACCEI international Multi-conference for Engineering, Education
and Technology,
Celmi, R. S. A., Albujar, N. M. A., & Del Milagro Lucano Cachay, C. L. (2024). Design of a
maintenance plan improvement to reduce costs in the plating area of an industrial plastics
SME. Proceedings of the LACCEI international Multi-conference for Engineering,
Education and Technology,
Condo-Palomino, R., Cruz-Barreto, L., & Quiroz-Flores, J. (2022). Increased equipment
performance in agro-industrial companies through a maintenance model based on the
TPM approach. Proceedings of the LACCEI international Multi-conference for
Engineering, Education and Technology,
Fuchs, M. V., Rodríguez-Cáceres, A., Altamirano-Flores, E., Marcelo Lastra, G. E., & Álvarez
Merino, J. C. (2020). Proposal to improve the maintenance management plan based on
rcm and lean office in the polymer injection process [Article]. RISTI - Revista Iberica de
Sistemas e Tecnologias de Informacao, 2020(E37), 41-51.
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85101608464&partnerID=40&md5=1b2eefb0ff7c9bbd311fa81870688fa5
Hidalgo, B. L. F., Moreno, J. J. H., & Cordova, M. E. C. J. M. G. (2022). Impact of industrial
maintenance on the supply chain in a textile company in times of pandemic. Proceedings
- 2022 8th International Engineering, Sciences and Technology Conference, IESTEC
2022,
Lemache-Caiza, K., García-Mora, F., Valverde-González, V., & Velastegui López, E. (2023).
MACHINE LEARNING APPROACH TO INDUSTRIAL MAINTENANCE
MANAGEMENT [Article]. Universidad y Sociedad, 15(3), 628-637.
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85162931970&partnerID=40&md5=8643b78094e68883ec4500d1cb20e1cc
Molvar, J., Moubray, A., Mathew, N., & Danker, J. (2025). Availability Risk Management for
Systems with Multiple Configurations. Proceedings - Annual Reliability and
Maintainability Symposium,
Ramos Ciprián, R. D., & Salavert Fernández, J. M. (2020). EFFECT OF DOCUMENTATION,
RECORDS AND INDICATORS ON THE IMPROVEMENT OF MAINTENANCE IN
THE PROCESSING OF SUGARCANE. Proceedings from the International Congress on
Project Management and Engineering,
Vol. 12/ Núm. 3 2025 pág. 4142
Valdivia, G., Zegarra, M., Ramos, J., & Aguilar, K. (2023). PREVENTIVE MAINTENANCE
MODEL TO IMPROVE MAINTENANCE MANAGEMENT IN A LABORATORY
CENTER OF A SCHOOL OF ENGINEERING. Proceedings of the LACCEI
international Multi-conference for Engineering, Education and Technology,
Valdivia, G., Zegarra, M., Ramos, J., & Aguilar, K. (2023). PREVENTIVE MAINTENANCE
MODEL TO IMPROVE MAINTENANCE MANAGEMENT IN A LABORATORY
CENTER OF A SCHOOL OF ENGINEERING. Proceedings of the LACCEI
international Multi-conference for Engineering, Education and Technology,