Mantenimiento predictivo y monitorización de estado
Detectar desgaste de rodamientos, degradación de engranajes y filtros obstruidos a partir de datos en tiempo real — a menudo con nada más que un micrófono y procesado de señal.
Reservar llamada de encaje técnico (30 min)PhD APC/MPC · CERN · IAV · SkySails
De reactivo a predictivo
Los fallos de los equipos rara vez son repentinos. Los rodamientos se degradan durante semanas y su firma acústica cambia a medida que avanza el picado; las cajas de engranajes avisan mucho antes de gripar; los filtros restringen el caudal poco a poco, algo visible en los datos de presión y sonido mucho antes de que la máquina se pare.
El mantenimiento correctivo implica paradas no planificadas, compras urgentes y pérdida de producción. El mantenimiento a intervalos fijos sustituye piezas que aún tienen vida útil. El mantenimiento predictivo actúa cuando los datos lo indican — ni por calendario ni en plena crisis.
Qué se puede monitorizar
Vigilancia del desgaste — rodamientos, engranajes, rodetes
Las frecuencias de defecto de rodamientos (BPFO, BPFI, BSF, FTF) aparecen como picos espectrales estrechos mucho antes de que haya ruido audible; los armónicos de engrane se desplazan con el desgaste de los dientes. El análisis de envolvente separa estos indicadores del ruido de banda ancha con relaciones señal/ruido en las que el oído no percibe nada anómalo.
Condiciones anómalas — filtros, bombas, motores
Un filtro obstruido aumenta la presión diferencial y cambia la firma acústica del circuito. La cavitación produce un ruido de banda ancha característico. El análisis de la firma de corriente del motor (MCSA) detecta excentricidad, barras de rotor rotas y defectos de rodamientos solo a partir de la corriente — sin acceso mecánico.
Enfoque técnico
Adquisición de señales
Suelen bastar sensores económicos: un micrófono para el sonido aéreo, un acelerómetro MEMS para la vibración estructural o una pinza de corriente para el análisis de firma del motor. A menudo basta un sensor en la carcasa.
Extracción de características
FFT, análisis de envolvente y cepstral y métricas en el dominio del tiempo — RMS, curtosis, pico a pico — aíslan las frecuencias de fallo y siguen su amplitud frente a una referencia sana.
Referencia y detección de anomalías
Registrar una referencia de la máquina sana y vigilar la desviación con reglas de umbral, control estadístico o un modelo ligero de anomalías. Sin infraestructura en la nube ni hardware especial.
Integración y alarmas
Los resultados llegan al SCADA existente, al HMI del PLC o a un panel propio, con umbrales configurables, tendencias y descripciones claras del fallo — no solo una luz roja.
Por qué funciona
Sin sensores caros
Un micrófono USB o un acelerómetro MEMS económico puede revelar fallos de rodamientos, daños en engranajes y filtros obstruidos con el procesado de señal adecuado. El valor está en el análisis, no en el hardware.
Mantenimiento cuando usted decida
Cambiar la pieza en la próxima ventana de producción planificada — no en una parada de emergencia a las 2 de la madrugada.
Instalación no invasiva
Los sensores se montan en superficie o con pinza: sin modificar la máquina, sin cambios en el PLC y sin interrumpir la producción durante la instalación.
Alarmas interpretables
Las frecuencias de fallo tienen significado físico, así que una alarma indica qué componente está afectado y por qué — no solo una puntuación de anomalía.
Stack tecnológico
Tipos de sensores
Acelerómetros (MEMS o piezoeléctricos) para vibración estructural, micrófonos para sonido aéreo, pinzas de corriente para MCSA, sensores ultrasónicos de espesor para corrosión y erosión, cámaras térmicas para puntos calientes, sensores de partículas en aceite para la lubricación. En la mayoría de los casos basta un sensor económico bien situado.
Procesado de señal
La FFT descompone el espectro de vibración en componentes de frecuencia. Las frecuencias de defecto de rodamientos se derivan de su geometría y aparecen como picos previsibles. El análisis de envolvente demodula resonancias de alta frecuencia para aislar la energía impulsiva del fallo; el análisis cepstral separa fuente y camino de transmisión en el diagnóstico de engranajes.
Métodos de aprendizaje automático
La detección de anomalías (isolation forest, autoencoders) sigue la desviación respecto a la referencia sana sin datos de fallos etiquetados. Los clasificadores (SVM, random forest, gradient boosting) identifican el tipo de fallo cuando hay ejemplos etiquetados. Los modelos de vida útil remanente necesitan datos hasta el fallo.
Despliegue
Los resultados llegan al SCADA / HMI del PLC vía OPC UA, MQTT o REST. Despliegue en el borde para casos sensibles a la latencia; despliegue central para modelos de flota entre plantas. Niveles de alarma: aviso temprano (tendencia), aviso (planificar pronto), urgente (inspeccionar esta semana).
Reactivo vs. Preventivo vs. Predictivo
| Aspecto | Correctivo | Preventivo | Predictivo |
|---|---|---|---|
| Cuándo se actúa | Tras el fallo | Según calendario fijo | Cuando los datos lo indican |
| Principal coste | Reparación urgente y parada | Sobremantenimiento y piezas desechadas | Sistema de monitorización |
| Paradas | No planificadas, largas | Planificadas, a veces innecesarias | Planificadas, mínimas |
| Sustitución de piezas | Al fallar | Por intervalo de tiempo | Según el estado real |
| Riesgo operativo | Alto | Medio | Bajo |
Patrones de diseño relevantes
Reservar llamada de encaje técnico (30 min)
Si sospecha un problema de fiabilidad o quiere configurar la monitorización antes de la próxima parada — una llamada de 30 minutos es suficiente para evaluar qué señales recoger.
Reservar llamada de encaje técnico (30 min) →