Ir al contenido principal
IA y software

Mantenimiento Predictivo vs. Preventivo vs. Correctivo: Comparativa de Costes y ROI

Compara mantenimiento preventivo, correctivo y predictivo con datos reales: costes, ROI, matriz de decisión por activo y ejemplos para la industria.

Eduardo Fuentevilla Blanco

Publicado por Eduardo Fuentevilla Blanco

Ingeniero de robótica en Maedcore · Ingeniero de robótica LinkedIn ↗

23 de mayo de 2026 (Última actualización: 12 de noviembre de 2026)
Mantenimiento predictivo, preventivo y correctivo — tres carreteras que salen del mismo paisaje industrial: una vía rota entre chatarra señalizada como correctivo, una carretera larga y sinuosa señalizada como preventivo y una recta iluminada señalizada como predictivo
Mantenimiento predictivo, preventivo y correctivo — tres carreteras que salen del mismo paisaje industrial: una vía rota entre chatarra señalizada como correctivo, una carretera larga y sinuosa señalizada como preventivo y una recta iluminada señalizada como predictivo

Puntos clave

  • ► El predictivo ahorra un 8–12% sobre el preventivo (DoE, 2010, suelo conservador) y hasta un 18–25% en implementaciones maduras con datos históricos sólidos (McKinsey, 2021). Cada cifra vale con su contexto.
  • ► El 80% de los patrones de fallo son aleatorios y no dependen de la edad del activo (Fracttal, 2025), así que un calendario fijo no basta para activos críticos sin monitorización de condición.
  • ► El correctivo deliberado es válido para activos de baja criticidad. Se convierte en problema cuando es la opción por defecto en activos cuyo fallo detiene la producción o genera riesgo de seguridad.
  • ► El 23,7% de los accidentes laborales industriales en España ocurre durante tareas de mantenimiento (INSST 2024), así que elegir estrategia también es una decisión de seguridad con implicaciones legales bajo la Ley 31/1995.
  • ► La adopción real del predictivo cayó del 30% al 27% entre 2024 y 2025 (MaintainX) aunque el mercado crece: la brecha entre grandes corporaciones y pymes es el principal factor.
  • ► Sin al menos 12 meses de historial de fallos en GMAO y sin integración alerta→orden de trabajo, un sistema predictivo produce más ruido que señal.

El mantenimiento correctivo repara la máquina cuando ya ha fallado, el preventivo interviene según un calendario fijo y el predictivo actúa cuando los datos de la máquina indican que algo se degrada. Ninguno gana en todos los casos: el correctivo sale a cuenta en activos baratos y redundantes, el preventivo en equipos estándar y el predictivo en los críticos, donde una parada cuesta mucho.

En cifras, el preventivo ahorra entre un 12% y un 18% respecto al correctivo puro, y el predictivo puede añadir otros 8–12 puntos sobre el preventivo, según el Departamento de Energía de EE.UU. (datos de 2010, recogidos por Infraspeak). Implementaciones maduras documentadas por McKinsey (2021) llegan al 18–25%, pero ese resultado es de un fabricante de dispositivos médicos con datos históricos sólidos y plataforma integrada. Antes de elegir, conviene saber qué activos tienes, cuánto cuesta que fallen y si tienes los datos para que el predictivo funcione.


¿Qué diferencia hay entre mantenimiento correctivo, preventivo y predictivo?

Cada estrategia responde a una lógica económica distinta, y en una misma planta conviven las tres.

Mantenimiento correctivo (o reactivo)

Solo interviene cuando el equipo falla. En su versión deliberada es una decisión racional para activos de baja criticidad y bajo coste de sustitución: coste total del fallo inferior al de prevenirlo, componentes con redundancia, piezas de desgaste que se cambian en menos de 30 minutos.

El coste de una hora de parada no planificada subió un 113% entre 2019 y 2023, según un informe de Siemens 2024 citado por Verdantis. En automoción supera los 2,3 millones de dólares por hora. Operar en correctivo sin haber calculado ese número es asumir un riesgo sin cuantificar. Fabrico (2026) plantea el reactivo como una estrategia deliberada para activos específicos, y no como la consecuencia de un programa mal financiado.

Hay además un coste de seguridad. El 23,7% de los accidentes laborales en la industria española ocurre durante tareas de instalación y mantenimiento, según el Informe Anual de Accidentes de Trabajo del INSST 2024. Las reparaciones con prisa, típicas del correctivo no planificado, son el contexto de mayor riesgo. La Ley 31/1995 de Prevención de Riesgos Laborales exige documentar y planificar las intervenciones, y un programa puramente reactivo lo dificulta.

Mantenimiento preventivo

Sigue un calendario fijo basado en las recomendaciones del fabricante y las tasas históricas de fallo. Es fácil de planificar y no necesita sensores.

Su debilidad: el 80% de los patrones de fallo son aleatorios y no dependen de la edad del activo, según datos citados por Fracttal (2025). Un calendario no anticipa esos fallos, y cambiar componentes con vida útil restante encarece los repuestos. El preventivo supone aproximadamente el 54% del coste total de mantenimiento (IFMA, citado por Verdantis). El 88% de las plantas manufactureras lo usa, pero solo el 40% combina predictivo con analítica, según el estudio Plant Engineering 2025 recogido por MaintainX.

Mantenimiento predictivo

Usa sensores IoT que miden la salud de la máquina de forma continua y modelos de machine learning que detectan anomalías 2–8 semanas antes de la avería.

Exige sensores (500–5.000 $ por activo según tipo, Verdantis 2026), entre 4 y 12 semanas de recogida de datos y personal que sepa interpretar las alertas. Sin datos históricos de fallos, los modelos no funcionan.

Las firmas de análisis proyectan un mercado global de 10,93 mil millones de dólares en 2024 (Fortune Business Insights) con un CAGR del 26–35% hasta 2032. Sin embargo, la encuesta de MaintainX 2025 muestra que la adopción real cayó del 30% al 27% entre 2024 y 2025. El mercado crece porque invierten las grandes corporaciones, mientras las pymes, la mayoría del tejido industrial español, siguen en preventivo y correctivo.


Mantenimiento preventivo vs. predictivo: comparativa de costes

Para comparar con honestidad hay que incluir los costes ocultos del correctivo y el sobremantenimiento del preventivo.

CategoríaCorrectivoPreventivoPredictivo
Cuándo se intervieneTras el falloCalendario fijoCuando el dato lo indica
Coste de implementaciónMuy bajoBajo–Medio (GMAO: 6.000–30.000 $/año)Medio–Alto (sensores + plataforma)
Coste de mano de obraVariable / picos altosAlto (intervenciones fijas)Bajo (solo cuando hay alerta)
Consumo de repuestosAlto (urgencia y sin planificación)Alto (sustitución anticipada)Bajo (fin de vida útil real)
Parada no planificadaAltaMediaMuy baja
Riesgo de seguridadAlto (reparación bajo presión)MedioBajo
Activos idóneosBaja criticidad, bajo coste de falloEquipamiento estándarActivos críticos, alto coste de parada

Un GMAO/CMMS para una planta mediana cuesta entre 6.000 y 30.000 dólares anuales y es prerrequisito de cualquier programa preventivo o predictivo serio, según Verdantis (2026).

Por qué difieren las fuentes sobre el ahorro del predictivo: el Departamento de Energía de EE.UU. cifra el ahorro en 8–12% sobre el preventivo y hasta un 40% sobre el reactivo, datos de 2010 sobre los que el propio Infraspeak (2025) advierte que «mucho ha cambiado en la última década». McKinsey (2021) documenta un 18–25% en un único fabricante de dispositivos médicos con implementación madura, y su análisis transversal de industria pesada sitúa el rango en 15–30% (McKinsey 2021). Lo prudente es usar el 8–12% como suelo y el 18–25% como techo.


¿Qué mantenimiento asignar a cada máquina? Matriz de decisión por activo

Un marco para asignar estrategia a cada activo, con criterios explícitos, umbrales de coste y un cálculo de ejemplo.

Paso 1: puntuación de criticidad (dos dimensiones, escala 1–5)

DimensiónPuntuación 1Puntuación 3Puntuación 5
Consecuencia del falloNegligible; activo redundanteParada parcial de línea, sin riesgo de seguridadParada total de línea, riesgo de seguridad o regulatorio
Detectabilidad del falloDegradación obvia (visual, auditiva)Señales de aviso parcialesFallo repentino/aleatorio, sin aviso

Puntuación de criticidad = Consecuencia × Detectabilidad (máximo: 25)

Paso 2: estrategia según la puntuación

PuntuaciónEstrategia recomendadaLógica económica
1–6 (baja)CorrectivoEl coste de prevención supera el coste del fallo
7–14 (media)PreventivoEl fallo es suficientemente predecible; el ROI del sensor no está justificado
15–19 (alta)Preventivo + verificación de condiciónBase programada + comprobaciones manuales en intervalos clave
20–25 (crítica)PredictivoLa inversión en sensor + IA está justificada; la consecuencia del fallo es demasiado alta

Paso 3: umbral de ROI para el predictivo

Antes de instalar sensores en un activo, aplica este cálculo:

Beneficio anual evitado = (P_fallo × Coste_fallo × Factor_reducción) − (Coste_sensor + Coste_plataforma + Coste_laboral)

Ejemplo ilustrativo con supuestos propios, no datos medidos: bomba centrífuga de 75 kW en una línea de proceso continuo de una planta de alimentación.

  • P_fallo anual: 0,4 (una avería cada 2,5 años sin intervención)
  • Coste por fallo: 18.000 € (4 h de parada × 3.000 €/h de producción perdida + 6.000 € de reparación de emergencia)
  • Factor de reducción del predictivo: 0,6 (estimación conservadora basada en el suelo del DoE)
  • Beneficio anual evitado: 0,4 × 18.000 € × 0,6 = 4.320 €/año
  • Sensor + plataforma (amortizado a 3 años): 1.200 €/año
  • Beneficio neto anual: 3.120 €, con payback inferior a 12 meses

Mismo cálculo para una bomba del circuito secundario, no crítica, con coste de fallo de 500 €: 0,4 × 500 € × 0,6 = 120 €/año. No justifica el sensor, así que se asigna correctivo.

Lo que separa a las dos bombas es la economía del fallo, y el cálculo obliga a plantearla antes de gastar.

Paso 4: lista de verificación antes de asignar predictivo

  • ≥ 12 meses de historial de fallos en GMAO/CMMS para ese activo
  • Tipo de sensor emparejado con el modo de fallo dominante (vibración → desgaste de rodamientos; termografía → fallos eléctricos; ultrasonidos → fugas)
  • GMAO integrado con la plataforma predictiva (alerta → orden de trabajo automatizada)
  • Técnico formado para interpretar datos de condición, no solo recibir alertas
  • Firma de referencia («sano») establecida antes de iniciar la monitorización

Si alguna casilla falla, asigna preventivo hasta tener los prerrequisitos en orden. Saltarse este paso es el error más frecuente en los pilotos de predictivo que fracasan.


¿Cuándo sale rentable el mantenimiento predictivo?

Justifica su inversión cuando una parada no planificada cuesta más de 500 €/hora por línea, el activo monitorizado cuesta más de 50.000 € en reparación o sustitución y opera más de 16 horas al día.

El informe PwC & Mainnovation «Predictive Maintenance 4.0: Beyond the Hype» (2018, n=268 empresas europeas) encontró que el 95% de las empresas que ya usaban PdM 4.0 declararon resultados concretos, y que el 60% aumentó la disponibilidad de sus equipos, con una mejora media del 9% en uptime. Los datos son de Alemania, Países Bajos y Bélgica.

FasePlazo
Instalación de sensores y conectividadSemanas 1–6
Recopilación de datos y entrenamiento del modeloSemanas 6–14
Primeras predicciones de fallo fiablesMes 3–4
ROI positivo alcanzadoMes 12–18

¿Se pueden combinar preventivo, correctivo y predictivo?

Sí, y es lo habitual: una estrategia híbrida en tres niveles. Los profesionales de mantenimiento españoles consultados por Gaherma (2026) señalan el 80% preventivo / 20% correctivo como equilibrio habitual, y advierten que bajar el correctivo del 15% tiene un coste marginal muy alto.

Nivel 1, predictivo: activos con coste de parada superior a 1.000 €/hora o valor de reposición superior a 30.000 €. Sensores IoT con umbrales de alerta basados en ML.

Nivel 2, preventivo: equipamiento estándar con intervalos de servicio definidos, ajustados con las horas de operación del Nivel 1.

Nivel 3, correctivo deliberado: componentes baratos que se sustituyen más rápido de lo que se monitorizan, con stock de repuestos a mano.

Tipo de activoEstrategia recomendadaMotivo
Centros CNC, prensas de estampaciónPredictivoAlto coste de parada; modos de fallo complejos
Motores eléctricos > 15 kWPredictivoLa firma de vibración predice fallos de rodamiento con 4–8 semanas de antelación
Sistemas de cintas transportadorasHíbridoPredictivo para motores; preventivo para sustitución de cinta
Cilindros neumáticosPreventivoEl coste del sensor supera el coste de reparación en la mayoría de fallos
HVAC y sistemas de refrigeraciónPredictivoEl ahorro energético justifica la monitorización
Bombas pequeñas, luminariasCorrectivo deliberadoSustitución más rápida y barata que el ROI de la monitorización

¿Cómo se implanta el mantenimiento predictivo paso a paso?

No hace falta instalarlo todo el primer día.

Fase 1, piloto (semanas 1–6): elige 3–5 activos críticos con la matriz del Paso 1, instala sensores de vibración y temperatura y fija la «firma sana» de referencia.

Fase 2, entrenamiento del modelo (semanas 6–14): recoge datos en condiciones normales y anómalas y define los umbrales de alerta junto al equipo de mantenimiento, no solo con el proveedor.

Fase 3, despliegue (meses 4–12): extiende a los demás activos del Nivel 1 e integra las alertas con el GMAO. Una alerta que no genera orden de trabajo automática se ignora en semanas.

Fase 4, mejora continua: cada avería real realimenta el modelo. Amplía al Nivel 2 donde el piloto confirme el caso de negocio.

Errores frecuentes:

  • Desplegar sensores sin historial de fallos: el modelo genera falsas alarmas o silencio.
  • Alertas desconectadas del GMAO: llegan a un panel que nadie mira pasada la semana de formación.
  • Aplicar predictivo a activos de baja criticidad porque «la tecnología ya está disponible»: el ROI no cierra.

El dato estructurado también es lo que permite automatizar la parte de oficina. En el software de inspección que desarrollamos para ENUSA, el procesado de los datos de dron y de los equipos de medición se automatizó y la preparación de cada informe pasó de unas 2 jornadas de trabajo a unos 30 minutos, sin errores en esa etapa. Es un proyecto de inspección y no de predicción, pero ilustra el mismo requisito: sin datos ordenados desde el origen, ninguna plataforma de análisis, predictiva o no, da resultados fiables.

Preguntas frecuentes

¿Cuánto ahorra el mantenimiento predictivo respecto al correctivo?

El Departamento de Energía de EE.UU. cifra el ahorro en hasta un 40% sobre el mantenimiento reactivo puro, pero este dato procede de 2010. Implementaciones más recientes documentadas por McKinsey (2021) muestran reducciones del 18–25% en plantas con datos históricos sólidos y plataforma integrada. El rango real depende del punto de partida: cuanto más reactiva sea la planta de origen, mayor es el margen de mejora.

¿Es el mantenimiento correctivo siempre un error de gestión?

No. Para activos de baja criticidad, bajo coste de sustitución y alta disponibilidad de repuestos, operar hasta el fallo es una decisión económicamente racional. Falla cuando se aplica por defecto a activos críticos porque no hay programa de mantenimiento planificado. Lo que separa el correctivo deliberado del correctivo por omisión es un plan de criticidad de activos.

¿Qué porcentaje de mantenimiento correctivo es aceptable en una planta industrial española?

Los profesionales de mantenimiento españoles consultados por Gaherma señalan el 20% como referencia habitual, con el 80% restante en preventivo. Reducir el correctivo por debajo del 15% tiene un coste marginal muy elevado en la mayoría de sectores; en plantas de proceso continuo puede estar justificado, en fabricación discreta raramente.

¿Cuánto tiempo tarda en dar ROI positivo un sistema de mantenimiento predictivo?

La cronología típica sitúa el ROI positivo entre los 12 y 18 meses desde la instalación de sensores, con las primeras predicciones útiles entre el mes 3 y el 4. Pesa más la calidad del historial de fallos que la tecnología elegida: las plantas con GMAO bien mantenido durante al menos 12 meses alcanzan el ROI positivo en el extremo inferior del rango.

¿Qué sensores necesito para empezar con mantenimiento predictivo?

Depende del modo de fallo dominante. Para equipos rotativos (motores, bombas, compresores), los sensores de vibración son el punto de entrada más eficiente: detectan desgaste de rodamientos con 4–8 semanas de antelación a un coste de 300–800 € por punto de medida. La termografía infrarroja cubre fallos eléctricos (150–500 €) y el análisis de aceite detecta degradación de lubricación a 50–200 € por muestra.

¿Qué diferencia hay entre mantenimiento predictivo y mantenimiento basado en condición?

El mantenimiento basado en condición (MBC) es el concepto más amplio: intervenir cuando el estado del activo lo requiere, medido por cualquier indicador (inspección visual, termografía periódica, análisis de aceite). El mantenimiento predictivo es una forma avanzada de MBC que usa monitorización continua y modelos de machine learning para anticipar el fallo antes de que la condición se deteriore visiblemente. Todo el predictivo es basado en condición, pero no al revés.

Trabajo Relacionado


Lecturas relacionadas

Fuentes

  • Fortune Business Insights — Predictive Maintenance Market Size, Share & Industry Analysis 2025–2032 — Fortune Business Insights, 2025.
  • PwC & Mainnovation — Predictive Maintenance 4.0: Beyond the Hype — PwC / Mainnovation, 2018.
  • McKinsey & Company — Establishing the Right Analytics-Based Maintenance Strategy — McKinsey & Company, 2021.
  • McKinsey & Company — A Smarter Way to Digitize Maintenance and Reliability — McKinsey & Company, 2021.
  • INSST — Informe Anual de Accidentes de Trabajo en España, Datos 2024 — Instituto Nacional de Seguridad y Salud en el Trabajo, 2025.
  • MaintainX — 2025 State of Industrial Maintenance — MaintainX, 2025.
  • Infraspeak — Maintenance Statistics and Trends 2025 — Infraspeak, 2025.
  • Verdantis — 15+ Powerful Preventive & Predictive Maintenance Statistics — Verdantis, 2026.
  • Gaherma — % Ideal de Mantenimiento Correctivo, Preventivo y Predictivo — Gaherma, 2026.
  • Fracttal — ¿Qué es el Mantenimiento Predictivo y cómo implementarlo? — Fracttal, 2025.
  • Fabrico — Mantenimiento Reactivo vs. Preventivo: La Diferencia de Costes — Fabrico, 2026.
#mantenimiento predictivo #mantenimiento preventivo #mantenimiento correctivo #industria 4.0 #IoT industrial #gestión de activos #ROI mantenimiento

Sobre el autor

Eduardo Fuentevilla Blanco

Ingeniero de robótica

Durante más de una década me ha movido una sola misión: aprovechar la IA y la robótica para construir un mundo de producción automatizada. Creo que, al crear sistemas autosuficientes, podemos devolver a las personas el tiempo para centrarse en lo que de verdad importa: su familia y sus pasiones. Mi experiencia abarca desde ganar prestigiosas competiciones europeas de startups hasta diseñar proyectos complejos que integran hardware y software. Me dedico a unir los retos industriales de hoy con las soluciones autónomas del mañana.

IA y robóticaAutomatización industrialIntegración de hardware y softwareIoT

¿Listo para transformar tu empresa?

Reserva una reunión gratuita de 30 minutos con un ingeniero.