SIPAPP Predict · Mantenimiento predictivo con IA

Tu equipo decide. Los datos le avisan antes.

SIPAPP Predict lee el historial de avisos que tu planta ya registra en SAP PM y calcula, equipo por equipo, qué tan probable es una falla en los próximos días — con Machine Learning, Weibull, Crow-AMSAA y una IA que explica el resultado en español.

Funciona con el Excel que exportas de SAP PM — sin sensores ni conexión directa a SAP.

50
correctivos mínimos para entrenar el modelo
3
fallas por equipo para calcular Weibull
7 días
horizonte de riesgo por activo
3
modelos combinados en cada equipo
Ingeniero de confiabilidad frente a un equipo
Tres lentes, un mismo activo

Ningún equipo se juzga con un solo número

El % de riesgo por sí solo no dice qué va a fallar. Por eso cada equipo se mira desde tres ángulos: Random Forest estima el riesgo y el tiempo de reparación, Weibull dice en qué etapa de vida está y Crow-AMSAA si su confiabilidad mejora o empeora.

ALTOMEDIOBAJO7 días
Machine Lear ning
Random Forest

Aprende del historial de la propia planta. Estima la probabilidad de que el próximo correctivo de un equipo ocurra en los próximos 7 días, y cuántas horas tomaría repararlo (MTTR).

TEMPRANASALEATORIASDESGASTE
Confiabilidad
Curva de vida Weibull

Dice en qué etapa está el equipo — fallas tempranas, fallas aleatorias o desgaste — y entrega su vida característica, MTBF y B10.

IC 90%
Tendencia
Crow-AMSAA

Responde si la confiabilidad mejora, empeora o se mantiene con el tiempo, con intervalo de confianza — sin afirmar un cambio que los datos no sostienen.

Cómo leer las curvas

Mueve los datos y mira qué significa β

Así interpreta SIPAPP Predict cada equipo. Las curvas son ilustrativas: en el sistema se calculan con el historial real de tu planta.

Weibull

Riesgo según la edad
t = 0edad →
β 0.4β 1.0β 2.6
β = 1.80Desgaste

β > 1.1 — el riesgo crece con la edad: el equipo se desgasta y conviene planificar su recambio o mantenimiento preventivo.

Crow-AMSAA

Fallas acumuladas en el tiempo
iniciotiempo →
β ≈ 1.4Empeora con evidencia

β > 1 y el intervalo de confianza al 90% no cruza 1: el equipo falla con más frecuencia con el tiempo.

Asistente de IA

Pregúntale al historial de cada equipo

La IA responde en español usando el historial reciente, el riesgo del modelo y las curvas Weibull y Crow-AMSAA de ese equipo — no una respuesta genérica. Solo consulta cuando pulsas una pregunta.

Activo de ejemplo · datos ficticios
COMP-014
Compresor de aire de tornillo · Línea de soplado
Riesgo 7 días
78%
MTTR estimado
6,2 h
Weibull
β 1,8 · desgaste
Crow-AMSAA
β 1,4 · empeora
Fallas recientes
4 × Sobretemperatura en descarga2 × Fuga en válvula de admisión1 × Falla de sensor de presión
Elige una pregunta para ver cómo responde la IA sobre este equipo.
Activo y datos de demostración. En el sistema, la IA usa el historial real de cada equipo.
Puesta en marcha

El modelo se entrena con lo que tu planta ya vivió

01
Cargas tu Excel

Plantilla de 12 columnas — las tres primeras con nombres SAP, copiar y pegar directo del export de avisos.

02
El sistema analiza cada equipo

Random Forest, Weibull y Crow-AMSAA corren sobre el historial acumulado de la planta.

03
Ves el resultado priorizado

Ranking de atención, diagramas, tendencia mensual, preguntas a la IA y reportes PDF listos para reunión.

Jefe de mantenimiento cargando el Excel de avisos
Pantallas

De la tabla dormida al ranking de atención

Capturas del tenant de demostración — nunca con datos reales de un cliente.

Dashboard — ranking de atención y diagrama Jack-knife
Predicciones — riesgo a 7 días, MTTR estimado
Tendencias — curvas de confiabilidad y análisis de IA

¿Tu planta será la próxima en predecir sus fallas?

No necesitas sensores nuevos ni integraciones complejas — el punto de partida es el Excel de avisos que tu equipo de mantenimiento ya llena.

Solicitar demo →