Comprender el pronóstico en el mantenimiento predictivo
Pronóstico (también denominada predicción de fallos, y estrechamente ligada a la remaining-useful-life estimación) es el proceso de estimar cuánto tiempo resta antes de que un fallo detectado provoque una avería funcional o exija una intervención. El pronóstico sigue a la detección de fallos (conocer que existe un problema) y a la diagnóstico (conocer cuál es el problema), y responde a la pregunta decisiva: “¿Cuándo debemos actuar?” — by analysing vibración tendencias de progresión, las características del tipo de fallo y las condiciones de operación de la máquina.
Un pronóstico preciso es lo que hace mantenimiento predictivo genuinely predictive. Permite programar el mantenimiento en el momento óptimo —ni demasiado pronto, lo que desperdiciaría la vida útil restante, ni demasiado tarde, lo que pondría en riesgo la avería— y sustenta la adquisición de repuestos de largo plazo, la asignación de mano de obra y herramientas, y la coordinación con producción. Dentro del esquema general de mantenimiento basado en la condición, el pronóstico es la etapa prospectiva que transforma “esta máquina está averiada” en “esta máquina debe repararse antes de la semana ocho.”
1. La cadena de tres etapas: detección, diagnóstico y pronóstico
Resulta útil concebir el pronóstico como el tercer eslabón de una cadena. Detección detecta que un parámetro ha salido de sus base. Diagnóstico identifica el mecanismo —un defecto de rodamiento, desalineación, looseness. Pronóstico proyecta a continuación dicho mecanismo hacia el futuro. Cada etapa depende de la anterior: no es posible pronosticar la evolución de un fallo que aún no se ha identificado correctamente, razón por la cual un diagnóstico fiable es la base de cualquier predicción de confianza. Toda la cadena queda formalizada en normas de monitorización como ISO 13374, que establece la detección, el diagnóstico y el pronóstico como funciones diferenciadas de tratamiento de datos.
2. Métodos de pronóstico
Extrapolación de tendencias
El método más habitual y práctico, y la extensión natural de la rutina de análisis de tendencias:
- Represente gráficamente los datos históricos de vibración en función del tiempo.
- Ajuste una línea de tendencia: lineal, exponencial u otra.
- Extrapolar para determinar cuándo se producirá la alarma o el fallo límite se cruzará.
- Actualice la predicción con cada nueva medición.
- Precisión: moderada (asume que la tendencia continúa).
- Requisitos: historial de tendencias suficiente: al menos seis puntos de datos.
Modelos basados en física
- Basado en la comprensión de la física del fallo (propagación de grietas, avance de la descamación).
- El modelo predice la progresión a partir de la tensión, los ciclos y el entorno.
- Ejemplos: la Ley de Paris para el crecimiento de grietas, o cojinete Cálculos de vida útil por fatiga L10.
- Precisión: buena, cuando se conocen los parámetros del modelo.
- Requisitos: datos detallados del equipo y de su funcionamiento.
Basado en la experiencia (datos históricos)
- Basado en fallos pasados de equipos similares.
- Utiliza tasas de progresión típicas extraídas del historial.
- Se basa en relaciones empíricas (nivel de vibración → tiempo hasta el fallo).
- Precisión: aceptable, y específica para cada equipo.
- Requisitos: una base de datos histórica de fallos.
Estadístico / Aprendizaje automático
- Algoritmos entrenados con datos históricos de progresión.
- Reconocimiento de patrones en múltiples casos similares.
- Genera predicciones probabilísticas.
- Precisión: potencialmente muy buena, con suficientes datos.
- Requisitos: un gran conjunto de datos y recursos computacionales.
3. Factores que influyen en la precisión del pronóstico
Calidad de los datos de tendencia
- Más puntos de datos perfilan mejor la definición de la tendencia.
- Las mediciones consistentes proporcionan tendencias fiables.
- Es imprescindible contar con un historial suficiente (meses, como mínimo).
- La calidad de los datos, con los valores atípicos identificados, evita pendientes erróneas.
Características de la progresión de fallos
- Progresión predecible: más fácil de prever — por ejemplo, deterioro gradual desgaste de los rodamientos.
- Progresión acelerada: harder — spall el crecimiento es aproximadamente exponencial.
- Progresión errática: difficult — flojedad e intermitente frota.
- Fallos súbitos: esencialmente impredecible — un eje que se fractura a causa de un grieta.
Estabilidad de las condiciones de funcionamiento
- Las condiciones estables favorecen predicciones fiables.
- Las cargas y velocidades variables hacen que las predicciones sean menos fiables.
- Los cambios en el proceso pueden acelerar o ralentizar la progresión.
4. Estimación de la vida útil restante (VUR)
El resultado principal del pronóstico es la vida útil restante: el tiempo transcurrido desde la condición actual hasta un fallo o umbral de intervención.
Cómo se expresa
- Expresado en horas de funcionamiento, días de calendario o ciclos hasta que se requiera la intervención.
- Actualizado de forma continua a medida que llegan nuevos datos.
- Se reporta como una estimación que conlleva una incertidumbre real.
Intervalos de confianza
- La VUL es una estimación, no un hecho.
- Lo ideal es expresarla como un rango — por ejemplo, “30–90 días con un 90% de confianza.”
- La incertidumbre disminuye a medida que se acerca el fallo y se acumulan más datos.
- Las estimaciones conservadoras son adecuadas para maquinaria crítica.
Worked Example
- Se detecta un defecto en el rodamiento a 2 g sobre amplitude.
- Progresión histórica: 2 g → 10 g (nivel de alarma) en un período típico de 60 días.
- Tasa actual: incremento de aproximadamente 0,5 g por semana.
- Predicción: nivel de alarma alcanzado en aproximadamente 10 semanas.
- Recomendación: programar el mantenimiento en un plazo de 6–8 semanas.
Ese cálculo — ajustar una pendiente y proyectarla hasta un límite — es exactamente lo que un estimador de VUL a partir de una tendencia de vibración automatiza, y en el apartado correspondiente encontrará un tratamiento más formal conforme a la ISO 13381. Calculadora de pronóstico RUL.
5. Aplicaciones
Programación del mantenimiento
- Planifique una parada para cuando la VUL indique el momento óptimo.
- Coordinarse con los calendarios de producción.
- Agrupe las reparaciones para minimizar el tiempo de inactividad total.
- Evite tanto las intervenciones prematuras como las tardías.
Gestión de piezas
- Solicite los repuestos con el plazo de entrega adecuado.
- Evite costes por gestión urgente de pedidos.
- Reduzca las necesidades de stock de seguridad.
- Aprovisiónese justo a tiempo, guiándose por el pronóstico.
Asignación de recursos
- Establezca prioridades entre varias máquinas en deterioro.
- Dirija los recursos limitados hacia las necesidades más urgentes.
- Planifique con antelación la asignación de personal y la preparación de herramientas.
6. Retos y limitaciones
Incertidumbre de predicción
- La progresión de un fallo nunca es perfectamente predecible.
- Las condiciones de operación pueden cambiar sin previo aviso.
- Las aceleraciones inesperadas son siempre posibles.
- Mantenga los márgenes de seguridad como norma habitual.
Requisitos de datos
- Se necesita un historial de tendencias adecuado.
- En las primeras etapas del desarrollo de un fallo’, las predicciones son menos certeras.
- Mejoran a medida que se recopilan más datos.
Múltiples modos de fallo
- Puede pronosticarse un modo de fallo mientras otro es el que provoca la avería.
- Una monitorización exhaustiva y multiparamétrica reduce el riesgo.
- All active degradation mechanisms must be considered together.
7. Mejora de la precisión pronóstica
- Aumente la frecuencia de medición: más puntos de datos perfilan la tendencia, detectan antes las aceleraciones y reducen la incertidumbre. Aumentar la frecuencia de seguimiento periódico medición en una máquina sospechosa suele ser la medida más eficaz.
- Utilice múltiples parámetros: combine la vibración con la temperatura y análisis de aceite; los indicadores corroborantes aumentan la confianza, y los distintos parámetros ofrecen diferentes plazos de anticipación.
- Actualice de forma continua: revise el pronóstico con cada nueva medición en lugar de confiar en una única predicción temprana, y adáptese a la tasa de progresión real.
En la práctica, la calidad de un pronóstico es tan buena como los datos que lo alimentan, por lo que la etapa de medición importa tanto como las matemáticas. Un instrumento portátil de dos canales como el Balanset-1A permite a un técnico capturar espectros repetibles y lecturas de amplitud en cada visita de ruta — los puntos de tendencia coherentes a partir de los cuales se construye una estimación creíble de vida útil remanente. El pronóstico es, en última instancia, el elemento que separa el verdadero mantenimiento predictivo del mero monitorización de condición: al prever los plazos de fallo a partir de los datos de tendencia y de la comprensión de la progresión del fallo, permite la programación optimizada que maximiza la utilización del equipo al tiempo que protege la fiabilidad.
