Comprensión de la detección de fallos

Dispositivos

Equilibrador portátil y analizador de vibraciones Balanset-1A

£1,793.60 El precio original era: £1,793.60.£1,543.86El precio actual es: £1,543.86.

Piezas

Sensor de vibración

£81.73 El precio original era: £81.73.£63.57El precio actual es: £63.57.

Piezas

Sensor óptico (Tacómetro láser)

£112.61 El precio original era: £112.61.£81.73El precio actual es: £81.73.

Dispositivos

Balanset-4

£6,178.15

Piezas

Pie Magnético Tamaño-60-kgf

£41.77

Piezas

Cinta reflectante

£9.08

Dispositivos

Equilibrador dinámico "Balanset-1A" OEM

£1,575.64 El precio original era: £1,575.64.£1,362.23El precio actual es: £1,362.23.

Definición: ¿Qué es la detección de fallos?

Detección de fallos es el proceso de identificar la existencia de un defecto o condición anormal en un equipo mediante el análisis de parámetros monitoreados tales como vibración, temperatura, métricas de rendimiento u otros indicadores. La detección de fallos responde a la pregunta binaria "¿Hay algún problema?" antes de proceder al diagnóstico de fallos (identificar el problema específico) y al pronóstico (predecir la vida útil restante). Es el primer paso y el más fundamental en mantenimiento basado en la condición, distinguiendo el funcionamiento normal de las condiciones de deterioro o fallas.

La detección eficaz de fallos proporciona una alerta temprana —detectando problemas meses antes de un fallo funcional—, lo que permite el tiempo de antelación necesario para el mantenimiento planificado, la adquisición de piezas y el tiempo de inactividad programado, que son las propuestas de valor fundamentales de mantenimiento predictivo programas.

Métodos de detección

1. Superación del umbral

Más simple y común:

• Comparar la medición con los valores predefinidos límite
• Si la medición es mayor que el umbral → se detecta una falla
• Ejemplo: Una vibración general superior a 7,1 mm/s activa una alerta.
• Ventajas: Criterios simples, automatizados y claros
• Limitaciones: Requiere un ajuste adecuado del umbral y un tiempo de retardo para superarlo.

2. Desviación de la tendencia

Detecta cambios respecto al patrón normal:

• Creciente tendencia indica falla en desarrollo
• Detectar antes de que se supere el umbral absoluto
• Tasa de cambio alarmante (aumentos rápidos)
• Ventajas: Detección más temprana, específica de la máquina
• Requisitos: Se necesitan datos históricos de tendencias.

3. Detección de anomalías espectrales

Identificación de componentes de frecuencia anormales:

• Nuevos picos que aparecen en espectro (frecuencias de rodamiento, armónicos)
• Picos existentes que aumentan su amplitud
• Cambios en el patrón (desarrollo de bandas laterales)
• Ventajas: Indicación del tipo de fallo específico
• Requisitos: Capacidad de análisis espectral, espectros de referencia

4. Métodos estadísticos

• Valores fuera de la distribución estadística normal
• Detección de valores atípicos (> media + 3σ)
• Violaciones de gráficos de control
• Ventajas: Explica la variabilidad normal
• Requisitos: Tamaño de muestra estadística adecuado

5. Reconocimiento de patrones

• Algoritmos de aprendizaje automático
• Redes neuronales entrenadas con firmas normales frente a firmas defectuosas
• Detección automatizada de anomalías
• Ventajas: Puede detectar patrones sutiles
• Requisitos: Datos de entrenamiento, recursos computacionales

Métricas de rendimiento de detección

Sensibilidad (Tasa de verdaderos positivos)

• Porcentaje de fallos reales detectados
• Objetivo: > 90-95% de problemas reales detectados
• Mayor sensibilidad = menos fallos no detectados
• Medida: (Verdaderos positivos) / (Verdaderos positivos + Falsos negativos)

Especificidad (Tasa de verdaderos negativos)

• Porcentaje de equipos en buen estado correctamente identificados como en buen estado
• Objetivo: > 90-95% de equipos en buen estado sin falsas alarmas
• Mayor especificidad = menos falsas alarmas
• Medida: (Verdaderos negativos) / (Verdaderos negativos + Falsos positivos)

Tasa de falsas alarmas

• Porcentaje de alarmas que resultaron ser falsas (sin fallo real)
• Objetivo: < 5-10% falsas alarmas
• Una alta tasa de falsas alarmas provoca fatiga por alarmas.
• Equilibrio con sensibilidad (compensación)

Tiempo de anticipación de detección

• Tiempo transcurrido desde la detección del fallo hasta el fallo funcional
• Mayor plazo de entrega = mayor valor (tiempo para la planificación)
• Típico: De semanas a meses para fallos en los rodamientos detectados por vibración.
• Dependiente del método: Análisis de envolvente detecta antes que los niveles generales

Desafíos en la detección de fallos

Equilibrio entre detección temprana y falsa detección

• La detección muy temprana aumenta las falsas alarmas.
• Esperar señales claras reduce el tiempo de espera
• Optimización mediante alarmas multietapa
• Utilice múltiples parámetros para la confirmación.

Fallas intermitentes

• Problemas que vienen y van
• Puede estar por debajo del umbral durante las mediciones periódicas.
• Requisitos monitoreo continuo o pico sostenido

Fallas simultáneas múltiples

• Varios problemas se desarrollan simultáneamente
• Pueden enmascararse mutuamente en vibración
• Requiere un análisis exhaustivo
• Múltiples métodos de detección ayudan

Detección de fallos multiparamétricos

Vibración + Temperatura

• Ambos aumentan: Confirma problema de rodamiento
• Vibración únicamente: Problema mecánico (desequilibrio, desalineación)
• Solo temperatura: Problema de lubricación o fricción
• La confirmación combinada reduce las detecciones falsas.

Múltiples parámetros de vibración

• Aumento del nivel general + aparición de frecuencia de rodamientos
• Confirma específicamente la falla del rodamiento.
• Detección más fiable que con un solo parámetro.

Detección automatizada frente a detección manual

Detección automatizada

• Ventajas: Capacidad rápida, constante y disponible las 24 horas del día, los 7 días de la semana.
• Métodos: Verificación de umbrales, algoritmos estadísticos, aprendizaje automático
• Limitaciones: Puede pasar por alto problemas sutiles, puede generar falsas alarmas.

Detección manual (experta)

• Ventajas: juicio humano, conciencia del contexto, reconocimiento de patrones
• Métodos: Revisión del espectro, inspección de la forma de onda, correlación multiparamétrica
• Limitaciones: Requiere mucho tiempo, no es escalable y exige experiencia.

Enfoque híbrido (mejores prácticas)

• Detección automatizada para el cribado
• Revisión experta de excepciones
• Combina eficiencia con precisión
• Estándar en programas maduros

La detección de fallos es la capacidad fundamental que permite el mantenimiento predictivo, al identificar problemas incipientes con la suficiente antelación para posibilitar intervenciones planificadas. Una detección de fallos eficaz —que combina métodos de detección adecuados, umbrales correctamente definidos y un equilibrio entre sensibilidad y especificidad— proporciona alertas tempranas que maximizan la utilización de los equipos y minimizan los costes de mantenimiento y los riesgos de fallos.

---

← Volver al índice principal