Cómo las flotas de construcción mejoran la utilización de activos con análisis personalizados

La mayoría de los sistemas de gestión de flotas de construcción pueden indicar dónde se encuentra una máquina. Muchas menos pueden responder la pregunta exacta sobre la flota: ¿qué vehículos produjeron trabajo útil, cuáles quemaron combustible sin hacer nada y qué activos avanzan silenciosamente hacia una falla?

Conclusiones clave

• Obtenga horas reales de trabajo en lugar de horas de motor, de esa manera identifique máquinas que están desperdiciando combustible y conductores que no están trabajando con la eficiencia necesaria.
• Combine las RPM y la carga del motor para identificar comportamientos de ralentí elevado que son invisibles en los informes estándar.
• Equilibre la carga de trabajo en los equipos pesados para prolongar la vida útil y retrasar el CAPEX de reemplazo.
• Detecte la degradación del motor antes de que los códigos de falla provoquen averías.
• Vincule la telemetría con los operadores para mejorar la responsabilidad, reducir el desperdicio y orientar la capacitación.

¿Qué información debe proporcionar una plataforma telemática a un gestor de flotas de construcción?

Un operador de maquinaria pesada en el Reino Unido gestiona cientos de activos conectados, incluidos más de 100 excavadoras, generadores y máquinas industriales, todos con dispositivos telemáticos instalados. Aunque el seguimiento GPS funcionaba, existían informes de horas de motor y los códigos de falla llegaban a tiempo, el equipo de operaciones aún tenía dificultades para responder preguntas prácticas:

• ¿Qué excavadoras estaban realmente bajo carga frente a las que estaban inactivas a altas RPM?
• ¿Qué generadores estaban sobredimensionados para los sitios que alimentaban?
• ¿Qué operadores sobrecargaban o subutilizaban consistentemente las máquinas?
• ¿Qué activos se encaminaban hacia eventos de mantenimiento costosos?

La flota ya generaba enormes volúmenes de datos, pero la mayor parte de esa información permanecía atrapada en informes estándar.

Trabajando con el integrador de sistemas Plug N Play Solutions, la empresa reconstruyó su estrategia de datos en torno a la plataforma de análisis de flotas IoT Query de Navixy, transformando la telemetría sin procesar en señales procesables críticas para el negocio. Crearon estados operativos específicos de la máquina, métricas de horas productivas, activadores de mantenimiento basado en condiciones y análisis a nivel de operador diseñados para operaciones de equipos pesados.

Este estudio de caso se basa en el episodio del podcast Telematics Talks de Navixy.

Por qué es necesario revisar las métricas tradicionales de gestión de flotas de construcción

La flota no carecía de telemetría. El problema surgía cuando los gestores de operaciones intentaban tomar decisiones de mantenimiento y utilización basadas en esos datos.

Una excavadora podía mostrar ocho horas activas de motor mientras pasaba la mitad del turno en ralentí cerca de la RPM máxima. Un generador podía funcionar de forma continua mientras soportaba solo una fracción de su carga prevista. Dos operadores que usaban máquinas idénticas podían producir patrones de desgaste y perfiles de consumo de combustible completamente diferentes sin que nadie se diera cuenta. Los informes telemáticos estándar aplanaban toda esa complejidad operativa en métricas genéricas.

Los dispositivos GPS industriales modernos de proveedores como Teltonika y Galileosky pueden transmitir cientos de parámetros de sensores desde una sola máquina. Pero la mayoría del software de gestión de flotas de construcción solo muestra un subconjunto limitado de esa telemetría a través de informes y paneles predefinidos.

Esa distinción importa porque las flotas de construcción se comportan de manera diferente a las flotas logísticas. Para las operaciones de maquinaria pesada, lo que importa no es dónde se movieron los activos, sino cómo operaron bajo carga durante esas horas.

Eso cambia todo el modelo analítico. Por ejemplo, en lugar de confiar en estados de encendido, correlacionaron RPM, carga del motor, ciclos de trabajo y umbrales específicos de la máquina.

Cómo la flota de construcción comenzó a medir horas productivas en lugar de horas de motor

Uno de los cambios más importantes en el proyecto fue redefinir lo que realmente significaba “tiempo de trabajo”. En muchas flotas de maquinaria pesada, las horas de motor se tratan como una métrica de utilización. Pero en la práctica, el tiempo con el motor encendido dice muy poco sobre el trabajo productivo.

El equipo de Plug and Play sustituyó el modelo tradicional de horas de motor por análisis de horas productivas. Para ello, combinaron múltiples señales de telemetría: rangos de RPM, carga del motor, ciclos de trabajo, estado de ralentí, umbrales operativos específicos de la máquina.

En lugar de una visión binaria de “motor encendido/motor apagado”, las máquinas se clasificaron en estados operativos como:

• Carga productiva
• Operación de baja carga
• Inactividad
• Ralentí alto
• Ciclo de trabajo intenso

Esto creó una imagen mucho más realista de la utilización de activos en toda la flota. El cambio expuso de inmediato una fuente importante de ineficiencia oculta: el ralentí alto.

Lo que el ralentí alto reveló sobre la utilización de flotas en maquinaria pesada

Algunos operadores empujaban el acelerador a la RPM máxima y dejaban la máquina en ralentí mientras se alejaban de la cabina. Los informes tradicionales contabilizaban esas horas como uso activo porque el motor estaba encendido. Desde la perspectiva del negocio, esas máquinas no producían ningún valor mientras seguían generando:

• Costos de combustible
• Desgaste del motor
• Acumulación de mantenimiento
• Métricas de utilización artificialmente infladas

El equipo introdujo un estado operativo dedicado al “ralentí alto” basado en una combinación simple:
High RPM + baja carga del motor = ralentí alto.

Esa sola métrica cambió la forma en que la flota evaluaba la productividad. Máquinas que antes parecían “ocupadas” de repente mostraron grandes porciones de tiempo operativo desperdiciado. Los gestores de flota ahora podían distinguir entre activos que realizaban trabajo real y activos que consumían combustible sin producir resultados.

Una vez que el comportamiento de ralentí alto se pudo medir, los supervisores pudieron:

• identificar hábitos problemáticos de operación,
• comparar la utilización en distintos sitios,
• mejorar las decisiones de programación con mayor confianza.

Es importante destacar que nada de esto requirió inversiones en nuevo hardware. El valor provino de interpretar los datos de forma diferente.

Cómo el análisis personalizado de flotas redefinió la planificación de mantenimiento

El mismo enfoque transformó la gestión del mantenimiento. Normalmente, los flujos de trabajo de mantenimiento en flotas de maquinaria pesada son reactivos. Aparece un código de falla, falla la máquina y se envía un ingeniero.

El problema es que muchos problemas operativos se desarrollan mucho antes de que los códigos de falla activen alarmas. La subcarga persistente obstruye gradualmente los sistemas DPF. Los patrones inestables de RPM indican un comportamiento anormal del motor. Los picos de carga revelan estrés operacional antes de que las fallas mecánicas sean visibles.

Debido a que la flota tenía acceso a telemetría histórica, el equipo podía monitorear esos patrones a lo largo del tiempo en lugar de reaccionar solo a fallas en etapa final.

Matt Watson, Director General de Plug and Play Solutions, describió el valor de esta manera:

“Si puedes ver esa tendencia a lo largo del tiempo, puedes interceptar ese problema antes de que aparezca el error del motor.”

Esto cambia por completo la economía del mantenimiento. Un evento de servicio programado en un día operativo tranquilo es mucho más económico que las averías de emergencia, el tiempo de inactividad no planificado, el envío de ingenieros de campo, los costos de equipos de reemplazo y los plazos de proyecto incumplidos.

Cómo el balance de carga ayuda a las flotas de construcción a prolongar la vida útil del equipo

Las flotas de maquinaria pesada rara vez distribuyen la carga de trabajo de manera uniforme. Algunas máquinas soportan cargas operativas extremas mientras que otras permanecen subutilizadas. Con el tiempo, ese desequilibrio genera consecuencias predecibles: desgaste acelerado en los activos muy cargados, depreciación desigual, reemplazos prematuros, costos de mantenimiento más altos y menor eficiencia general de la flota.

Con visibilidad directa de la carga del motor y de la carga productiva, el equipo de operaciones puede gestionar las asignaciones de manera más inteligente.

Este enfoque es especialmente valioso para las flotas de generadores. En un ejemplo, los sitios industriales solicitaban rutinariamente generadores de 100 kVA sin considerar las necesidades reales de consumo. Más tarde, la telemetría mostró que algunos sitios consumían solo 18 kVA.

Esa desproporción generaba problemas persistentes de subcarga. Los motores modernos con control de emisiones necesitan suficiente carga para funcionar eficientemente. Hacer funcionar generadores sobredimensionados con baja carga acelera la acumulación de hollín y acorta la vida de los componentes.

Con análisis personalizados, la flota pudo identificar esos patrones temprano y dimensionar adecuadamente el equipo antes de que ocurrieran fallas. Después de la implementación, los operadores pueden recomendar proactivamente ajustes de equipo basados en datos operativos reales.

Cómo el análisis a nivel de operador mejoró la responsabilidad

La capa final del proyecto de análisis personalizado de la flota de construcción se centró en el operador. Beacon Bluetooth vinculaban cada flujo de telemetría con una persona identificada. La misma credencial utilizada para encender la máquina identificaba quién la operaba.

Esto permitió varias mejoras operativas a la vez:

1. Se podía bloquear al personal no capacitado para operar equipos específicos. Solo los operadores autorizados podían encender determinadas máquinas.
2. Los eventos sospechosos se volvieron rastreables. La flota identificó incidentes recurrentes de acceso a combustible por la noche al combinar la identificación basada en beacons con datos de telemática de video. Lo que antes parecía una pérdida de combustible inexplicable se convirtió en un patrón operacional documentado.
3. El comportamiento del operador se volvió medible de una manera que la telemática estándar rara vez proporciona. Algunos de ellos generaban sistemáticamente ciclos de trabajo más limpios. Otros producían significativamente más tiempo de ralentí. Una vez que esos patrones se hicieron visibles, los supervisores pudieron introducir capacitación específica.

Este matiz importa porque las diferencias de comportamiento entre operadores a menudo generan brechas de eficiencia mayores que las diferencias entre máquinas.

Por qué IoT Query fue clave en el análisis de flotas de construcción

Ninguno de estos análisis habría sido práctico sin acceso directo a los datos de telemetría sin procesar en IoT Query. La mayoría de los sistemas telemáticos solo ofrecen informes predefinidos y paneles fijos. Eso funciona para flujos de trabajo estándar de seguimiento GPS, pero resulta limitado cuando las flotas de maquinaria pesada necesitan lógica operativa personalizada.

IoT Query expone toda la base de datos de telemetría y organiza los datos en múltiples capas analíticas: capa de datos sin procesar para señales de telemetría originales y capa de transformación para entidades operativas y lógica personalizada.

Esa arquitectura dio al integrador la flexibilidad de construir estados específicos de la máquina, indicadores KPI personalizados y modelos operativos sin tener que esperar el desarrollo de funciones del proveedor. Para la gestión de flotas de construcción, eso es importante porque no hay dos entornos operativos exactamente iguales.

Qué pueden aprender los gestores de flotas de construcción de este proyecto

Varias lecciones de esta implementación se aplican ampliamente a las grandes flotas de maquinaria pesada. Primero, las horas de motor por sí solas son una métrica de utilización débil. Hasta que las flotas separen la carga productiva de la operación en ralentí, los informes de utilización seguirán siendo incompletos.

En segundo lugar, la carga del motor es una de las señales operativas más valiosas en entornos de maquinaria pesada. Afecta directamente la planificación de mantenimiento, la eficiencia de combustible, el desgaste de la máquina y la vida útil del activo.

En tercer lugar, el comportamiento del operador importa más de lo que muchas flotas imaginan. Una vez que la telemetría se vincula a operadores individuales, las oportunidades de capacitación y las ineficiencias se pueden identificar mucho más fácilmente.

Finalmente, el valor del análisis de flotas de construcción depende menos de recopilar más datos y más de usar la telemetría existente de manera inteligente.

Contáctenos para explorar cómo IoT Query ayuda a las flotas de construcción a convertir la telemetría sin procesar en análisis de horas productivas, inteligencia de mantenimiento y KPI personalizados para maquinaria pesada.

Preguntas frecuentes sobre análisis de flotas de maquinaria pesada

P.: ¿Cuál es el papel de la telemática en la gestión de flotas de construcción?

R.: La telemática brinda a los equipos de gestión de flotas de construcción visibilidad sobre la ubicación del equipo, el comportamiento del motor, el uso de combustible, la actividad del operador y las condiciones de mantenimiento. En operaciones de maquinaria pesada, el mayor valor a menudo proviene de analizar la carga de trabajo, el comportamiento en ralentí y la carga del motor en lugar de solo el seguimiento GPS. Para notar la diferencia, use Plantillas de panel para Maquinaria Pesada en Dashboard Studio, una aplicación integrada de visualización de datos que permite a los usuarios crear paneles personalizados para sus flujos de trabajo y KPI específicos sin servicios externos ni herramientas BI directamente en Navixy.

P.: ¿Cuál es la diferencia entre horas de motor y horas productivas para flotas de construcción?

R.: La diferencia entre horas de motor y horas productivas es que las horas de motor miden el tiempo total de funcionamiento del motor, mientras que las horas productivas miden la operación bajo una carga significativa. El análisis de horas productivas ofrece a las flotas una visión más precisa de la utilización, la eficiencia de combustible y la producción operativa.

P.: ¿Puede IoT Query funcionar con el hardware de telemetría existente en equipos pesados?

R.: IoT Query trabaja con los datos recibidos del hardware de telemetría existente en equipos pesados, incluidos dispositivos GPS industriales, integraciones de bus CAN y sistemas de control de máquinas a medida. La plataforma telemática de Navixy completa con éxito las integraciones de dispositivos GPS industriales y bus CAN, incluidas Teltonika, Galileosky y sistemas de control de máquinas personalizados. Como resultado, IoT Query puede ingerir flujos de telemetría tanto estándar como personalizados.

P.: ¿Cómo mejora el análisis a nivel de operador las operaciones de maquinaria pesada?

R.: El análisis a nivel de operador mejora las operaciones de maquinaria pesada al vincular los datos de telemetría con el personal individual a través de beacons Bluetooth o identificación RFID. Esto ayuda a las flotas a mejorar la responsabilidad, reducir el tiempo en ralentí, investigar actividades no autorizadas e identificar oportunidades de capacitación.

P.: ¿Cómo mejora la planificación de mantenimiento el análisis avanzado?

R.: El análisis avanzado mejora la planificación de mantenimiento al identificar patrones de operación anormales antes de que aparezcan códigos de falla. Al monitorear el comportamiento de la carga, la estabilidad de las RPM y las tendencias operativas, los equipos de mantenimiento pueden programar el servicio de manera proactiva y reducir el tiempo de inactividad no planificado. Explore la publicación del blog “Cómo controlar el trabajo real en flotas de maquinaria pesada en Navixy” para obtener más información sobre el análisis basado en RPM para una mejor gestión de flotas de construcción.