Causa raíz en planta: métodos clásicos y qué cambia con datos en línea

Qué es el análisis de causa raíz

Es un proceso estructurado para explicar por qué ocurrió un evento —una detención, un defecto, una falla de equipo— hasta llegar a una causa sobre la que se puede actuar. La norma IEC 62740:2015 lo trata como un análisis a posteriori: parte de un evento que ya ocurrió y no está diseñado para asignar responsabilidades.

Sobre la sigla. En la literatura internacional se abrevia RCA, por root cause analysis. En la minería chilena, RCA es la Resolución de Calificación Ambiental: el acto administrativo con que el Servicio de Evaluación Ambiental califica un proyecto. Para no confundir, en esta guía escribimos análisis de causa raíz, sin sigla.

Tres métodos clásicos

En la práctica se combinan: Ishikawa para abrir hipótesis, datos para descartarlas, y 5 porqués o árbol de fallas para llegar a la causa accionable.

Qué cambia con datos en línea

Sin datos, cada hipótesis se discute. Con datos del historian, del CMMS y del LIMS, se contrasta. El análisis cambia en tres aspectos:

• Evidencia: cada rama del Ishikawa se revisa contra series de tiempo. ¿Subió la temperatura antes o después de la vibración?
• Velocidad: la relación entre variables se revisa en minutos, mientras el evento está fresco, y no en la reunión de la semana siguiente.
• Repetición: si el patrón vuelve, el análisis se repite con el mismo criterio en vez de partir de cero.

Lo que no cambia: correlación no es causalidad. Los datos muestran qué variables se movieron juntas; la causa la confirma alguien que conoce el equipo, muchas veces con una inspección.

Nivel de confianza: cómo leerlo

Un análisis con datos rara vez entrega una sola causa con certeza. Entrega hipótesis ordenadas por evidencia. El nivel de confianza es la forma honesta de decirlo: cuánto respaldo tiene la causa propuesta frente a las alternativas, con los datos disponibles. Una lectura útil:

• Alta: varias señales independientes apuntan a lo mismo y el mecanismo de falla es conocido. Se puede preparar la intervención.
• Media: la señal es clara, pero hay una explicación alternativa plausible. Conviene inspeccionar antes de intervenir.
• Baja: faltan datos o la señal es débil. La recomendación es medir mejor, no intervenir.

Una causa sin nivel de confianza ni datos de origen no se puede auditar.

Ejemplos y errores comunes

Packaging. En el ejemplo ilustrativo L-3 (Quilicura), la merma del formato 1,5 L sube después de un cambio de formato. Un Ishikawa abre hipótesis en material, máquina, método y mano de obra; los datos muestran que el torque de capsulado subió 6% tras el cambio y que la merma se concentra en la estación 4. El análisis se acota a esa estación.

Minería. En el ejemplo ilustrativo CV-102 (Antofagasta), la temperatura del rodamiento del pulley de cola de una correa overland supera el umbral de 66 °C. El análisis apunta al rodamiento 3, con confianza 87%, y la recomendación pasa a la OT 4471 en SAP PM, que aprueba el supervisor del turno B.

• Quedarse en la causa inmediata: el rodamiento falló, pero ¿por qué?
• Buscar culpables en vez de causas.
• Cerrar el análisis sin una acción verificable ni seguimiento.
• Usar la sigla RCA en informes de faena, donde se lee como Resolución de Calificación Ambiental.

Cómo lo aborda IADEIAS Twin

En IADEIAS Twin el análisis de causa raíz es parte de la capa cognitiva (C3): preguntas en español sobre el estado del activo que mantiene el gemelo, con respuestas que incluyen datos de origen y nivel de confianza. Cuando corresponde, la recomendación se convierte en una OT en SAP PM o en el CMMS, con aprobación humana y registro auditable. Ver también Conversa, mantenimiento predictivo y el caso de correas transportadoras.

Preguntas frecuentes