Comprensión de la detección de fallos
Detección de fallos es el proceso de detectar la presencia de un defecto o una anomalía en una máquina mediante el análisis de los parámetros supervisados —lo más habitual es vibración, pero también la temperatura, los parámetros de rendimiento, los residuos de aceite o las señales acústicas. Responde a una única pregunta binaria: «¿Hay algún problema?» — antes de que el analista pase a diagnóstico (identificando el fallo concreto) y pronóstico (predecir cuánto tiempo le queda a la máquina). Como primer paso y el más fundamental en mantenimiento basado en la condición, separa claramente los estados «sano», «en deterioro» y «fallido», de modo que todo lo que ocurre a continuación tiene una justificación.
La ventaja de hacerlo bien es el tiempo de anticipación. Una detección eficaz de fallos permite detectar indicios meses antes de que se produzca un fallo funcional, lo que deja el margen de tiempo necesario para el mantenimiento planificado, la adquisición de piezas y las paradas programadas —la promesa fundamental de cualquier mantenimiento predictivo programa. Si la detección se produce demasiado tarde, se vuelve a caer en reparaciones reactivas que se realizan cuando el sistema ya ha fallado; si se detecta con demasiada prisa, uno se ve inundado de falsas alarmas. El arte reside en encontrar ese equilibrio, y en los apartados siguientes se explica cómo se lleva a la práctica.
1. Los cinco métodos principales de detección
No existe una técnica única que se adapte a todas las máquinas o averías. Los programas consolidados combinan varios métodos, cada uno con sus propias ventajas y requisitos de datos.
Superación del umbral
El método más sencillo y más utilizado consiste en comparar un valor medido con un valor predefinido límite: si el valor cruza la línea, se declara un fallo. Un ejemplo conocido es un nivel global de vibración de alrededor de 7.1 mm/s RMS, un valor que algunas tablas de severidad específicas de la máquina de la ISO 20816 serie (antes ISO 10816) utilizan como límite de zona para determinados grupos de máquinas y condiciones de soporte. No es, sin embargo, un límite universal: para un umbral de alerta real, seleccione la parte aplicable de ISO 20816 para la máquina en cuestión y combínela con las tendencias de referencia y la criticidad de la máquina. Muchos programas escalonan estos límites en alarma, advertencia, y disparo tiers.
- Ventajas: Fácil de automatizar, con criterios claros de aprobación o rechazo, y fácil de explicar a personas sin conocimientos especializados.
- Limitaciones: El umbral debe ajustarse correctamente, y la anomalía debe alcanzar una magnitud suficiente para superarlo, lo que introduce un retraso y puede hacer que se pasen por alto anomalías que producen señales pequeñas pero distintivas.
Desviación de tendencia
En lugar de esperar a que se alcance un límite absoluto, este método analiza la forma de la tendencia en sí mismo. Un nivel en constante aumento —o, lo que es más revelador, un cambio repentino en el tarifa de aumento — indica la aparición de un fallo mucho antes de que se alcance cualquier umbral fijo. Dado que la referencia es el propio historial de la máquina, la técnica es intrínsecamente específica para cada máquina y detecta los problemas en una fase temprana. Su único requisito real es un conjunto de datos de referencia con respecto al cual se puede evaluar la desviación.
Detección de anomalías espectrales
Análisis de la frecuencia espectro revela no solo eso algo cambió, pero qué. Nuevos picos en frecuencias de fallo de los rodamientos, los picos existentes que van en aumento amplitud, o la aparición de bandas laterales y armónicos cada punto corresponde a un tipo de fallo específico. Esta especificidad es su gran ventaja, aunque requiere una capacidad real de análisis espectral y un conjunto de espectros de referencia fiables para la comparación.
Métodos estadísticos
La detección estadística señala los valores que se salen de la distribución normal del funcionamiento correcto; por ejemplo, cualquier lectura que supere la media más tres desviaciones estándar, o cualquier incumplimiento de los límites del gráfico de control. Al tener en cuenta la dispersión inherente a las mediciones reales, estos métodos reducen las falsas alarmas, pero requieren un tamaño de muestra adecuado para definir lo «normal» de forma fiable.
Reconocimiento de patrones y aprendizaje automático
El nivel más sofisticado entrena algoritmos —incluidas las redes neuronales— con firmas en buen estado frente a firmas defectuosas, lo que permite la detección automática de patrones sutiles que las reglas fijas pasan por alto. La contrapartida es la necesidad de disponer de una cantidad considerable de datos de entrenamiento etiquetados y de los recursos computacionales necesarios para ejecutar los modelos.
2. Medición del rendimiento de detección
La eficacia de un sistema de detección depende de su tasa de aciertos y de su tasa de falsas alarmas. Hay cuatro parámetros, tomados de la teoría de la clasificación, que cuantifican su rendimiento.
- Sensibilidad (tasa de verdaderos positivos): la proporción de fallos reales detectados: verdaderos positivos / (verdaderos positivos + falsos negativos). Un programa bien ajustado debe alcanzar un porcentaje superior al 90-95 %; una mayor sensibilidad implica que se pasan por alto menos fallos.
- Especificidad (tasa de negativos verdaderos): la proporción de máquinas sanas descartadas correctamente — negativos verdaderos / (negativos verdaderos + falsos positivos). Una vez más, el objetivo es situarse entre el 90 % y el 95 %; una mayor especificidad implica menos falsas alarmas.
- Índice de falsas alarmas: el porcentaje de alertas que resultan ser falsas, que idealmente debería mantenerse por debajo del 5-10 %. Una tasa elevada da lugar a alarm fatigue, la lenta erosión de la confianza que lleva a los técnicos a ignorar las advertencias —y esto va en detrimento directo de la sensibilidad—.
- Plazo de detección: el intervalo entre la primera detección y el fallo funcional. Cuanto más largo, mejor, ya que permite disponer de más tiempo para planificar. En el caso de los fallos en los rodamientos detectados mediante vibraciones, el plazo habitual es de semanas a meses, y el método es importante: análisis de envolvente detecta de forma rutinaria los daños incipientes en los rodamientos mucho antes de lo que lo haría un sistema de monitorización general por sí solo.
3. Dificultades prácticas
Las máquinas reales rara vez se comportan de forma tan ordenada como en los libros de texto, y hay tres situaciones que suelen complicar la detección.
- Equilibrio entre la detección precoz y la detección errónea: Insistir en una alerta lo antes posible provoca inevitablemente falsas alarmas, mientras que esperar a una señal inequívoca reduce el margen de tiempo disponible. La solución habitual consiste en establecer un sistema de alertas por etapas y verificar varios parámetros antes de tomar una decisión.
- Fallos intermitentes: Los problemas que aparecen y desaparecen pueden quedar por debajo del umbral durante una medición periódica de la ruta. Para detectarlos es necesario monitorización continua o un peak-hold una imagen que captura el peor momento.
- Varias averías simultáneas: Cuando se producen varios defectos a la vez, estos pueden enmascararse mutuamente en la señal de vibración, por lo que es necesario realizar un análisis exhaustivo y multimétodo para distinguirlos.
4. Confirmación de fallos con varios parámetros
La verificación cruzada de dos o más indicadores independientes reduce drásticamente las falsas detecciones, ya que una avería real suele manifestarse en más de un lugar a la vez.
- Vibración y temperatura combinadas: el aumento de ambos confirma un problema en los rodamientos; la vibración por sí sola apunta a una causa mecánica, como desequilibrio o desalineación; la temperatura por sí sola apunta a un problema de lubricación o de fricción.
- Varios parámetros de vibración: Un aumento general, junto con la aparición de una frecuencia específica en el rodamiento, confirma la presencia de un fallo en el rodamiento con mucha mayor certeza que cualquiera de estos síntomas por sí solo.
5. Detección automatizada, manual e híbrida
La detección puede realizarse mediante un programa informático, por un experto o —lo mejor de todo— mediante la colaboración de ambos.
- Detección automática es rápido, fiable y funciona las 24 horas del día, utilizando comprobaciones de umbrales, algoritmos estadísticos y aprendizaje automático. Su punto débil es que puede pasar por alto problemas sutiles y, en ocasiones, activar falsas alarmas.
- Detección manual (por expertos) aporta el criterio humano, la comprensión del contexto y el reconocimiento de patrones entrenado a la revisión del espectro y la inspección de formas de onda. Sin embargo, es un proceso que requiere mucho tiempo, es difícil de ampliar y depende de conocimientos especializados escasos —del tipo certificado en virtud de ISO 18436-2.
- El enfoque híbrido — la revisión automatizada de toda la flota, con una revisión por parte de expertos de las excepciones detectadas— combina eficiencia y precisión, y es la norma en los programas consolidados.
Dónde se utilizan los instrumentos de campo
Cuando una herramienta de detección da una señal de alerta, lo habitual es realizar una medición más detallada en la máquina. Un analizador portátil de dos canales como el Balanset-1A permite que un técnico se acerque al equipo sospechoso, capture un espectro de alta resolución y forma de onda temporal, y compruebe si la alarma indica un fallo real; si dicho fallo es un desequilibrio, corríjalo inmediatamente mediante equilibrado de campo sin desmontar la máquina. Ese ciclo continuo que va desde la detección hasta la confirmación y la corrección es precisamente lo que un programa híbrido está diseñado para ofrecer.
La detección de fallos es la capacidad fundamental que hace posible el mantenimiento predictivo, ya que permite detectar los problemas incipientes con la suficiente antelación como para planificarse en consecuencia. Si se lleva a cabo correctamente —con la combinación adecuada de métodos de detección, umbrales cuidadosamente establecidos y un equilibrio deliberado entre sensibilidad y especificidad—, proporciona las alertas tempranas que mantienen los equipos en funcionamiento, al tiempo que se reducen tanto los costes de mantenimiento como el riesgo de fallos catastróficos.
