Estudio de mantenimiento predictivo para bombas sumergibles de agua potable en plantas de servicios de distribución de combustibles en Chile en base al modelo de gestión de mantenimiento e incorporando herramientas con inteligencia artificial

Abstract

El presente trabajo aborda la gestión del mantenimiento predictivo en bombas sumergibles de agua potable utilizadas en las estaciones de servicio de Copec, con el propósito de optimizar la confiabilidad operativa y reducir los costos asociados a fallas imprevistas. Copec, líder en el sector energético en Chile, cuenta con más de 685 estaciones de servicio distribuidas en el país, donde solo una parte de estas cuenta con sistema de pozo para agua potable (52 EDS) operando bajo un modelo de mantenimiento predominantemente correctivo, lo que genera altos costos y tiempos de inactividad. El objetivo principal de esta memoria es diseñar un plan de mantenimiento basado en un modelo de gestión estructurado en ocho etapas, busca justificar la oportunidad de mejora encontrada e integrando herramientas tecnológicas avanzadas, como la inteligencia artificial (IA) y sistemas de telemetría. Este modelo permite la identificación temprana de fallas mediante el análisis de datos operativos como caudal, potencia y vibración, proporcionando una solución teórica para predecir problemas antes de que ocurran. La metodología se centra en evaluar el estado actual del mantenimiento, identificar los equipos críticos y sus fallas potenciales mediante matrices de criticidad y análisis RCM (Reliability-Centered Maintenance). A partir de estos diagnósticos, se propone un plan predictivo que incluye la programación, ejecución y control de actividades, con énfasis en la sostenibilidad y la eficiencia. Durante el análisis se identificó que, en promedio, una estación de servicio afectada por fallas en sus bombas sumergibles experimenta 20 horas de inactividad, aproximadamente, lo que genera pérdidas económicas considerables. Con la implementación del plan de mantenimiento predictivo, estas pérdidas podrian reducirse en un 73% frente al modelo correctivo actual. Además, se estiman beneficios adicionales como la mejora en la satisfacción del cliente y la alineación con los objetivos estratégicos de la empresa. Este trabajo enfatiza la importancia de la integración de tecnologías emergentes en la gestión del mantenimiento, sentando las bases para futuras implementaciones prácticas en sectores industriales.

This study addresses the management of predictive maintenance for submersible water pumps used in Copec’s service stations, aiming to optimize operational reliability and reduce costs associated with unexpected failures. Copec, a leader in the energy sector in Chile, operates over 685 service stations nationwide, of which only 52 have a potable water well system. These stations currently rely on a predominantly corrective maintenance model, resulting in high costs and significant downtime. The main objective of this study is to design a maintenance plan based on a management model structured in eight stages, aimed at justifying the identified opportunity for improvement and integrating advanced technological tools such as artificial intelligence (AI) and telemetry systems. This model enables early fault detection by analyzing operational data such as flow rate, power, and vibration, providing a theoretical solution to predict problems before they occur. The methodology focuses on evaluating the current state of maintenance, identifying critical equipment and its potential failures through criticality matrices and Reliability-Centered Maintenance (RCM) analysis. Based on these diagnostics, a predictive plan is proposed that includes scheduling, execution, and activity control, with an emphasis on sustainability and efficiency. During the analysis, it was identified that, on average, a service station affected by failures in its submersible pumps experiences approximately 20 hours of downtime, resulting in significant economic losses. By implementing the predictive maintenance plan, these losses could be reduced by 73% compared to the current corrective model. Additional benefits include improved customer satisfaction and alignment with the company’s strategic objectives. This study highlights the importance of integrating emerging technologies into maintenance management, laying the groundwork for future practical implementations in industrial sectors.