Cuando una planta industrial opera con equipos sometidos a cargas cíclicas, la diferencia entre una intervención programada y una parada forzada puede estar en cómo se interpretan los datos de los sensores. Durante los últimos años, hemos trabajado con plantas químicas y siderúrgicas donde el mantenimiento predictivo no es un lujo, sino una necesidad para cumplir con los plazos de producción sin comprometer la seguridad estructural.
La matriz de mantenimiento predictivo que proponemos se construye a partir de tres fuentes principales: vibración en rodamientos y ejes, temperatura en puntos de fricción y deformación medida con galgas extensométricas en los puentes grúa y las vigas principales. Cada variable se registra con una frecuencia de muestreo que depende del régimen de trabajo del equipo. Por ejemplo, en una grúa puente de 50 toneladas que opera tres turnos, la vibración se mide cada hora, mientras que la deformación se registra en cada ciclo de elevación con carga nominal.
El siguiente paso es definir umbrales de alerta. No se trata de fijar un número único, sino de establecer una banda operativa que tenga en cuenta la fatiga acumulada. Para ello, utilizamos la norma ISO 12482 como referencia para la clasificación del estado de la grúa, y ajustamos los límites según el historial de cargas reales. Si la deformación medida supera el 85 % del límite elástico del material en más de tres ciclos consecutivos, se genera una alerta de inspección prioritaria. Este criterio ha permitido detectar microfisuras en soldaduras de carro antes de que se conviertan en grietas propagadas.
En una línea de producción de acero en el norte de España, implementamos esta matriz durante seis meses. Los resultados mostraron una reducción del 34 % en paradas no programadas y un aumento del 22 % en la vida útil estimada de los componentes críticos. El sistema no requiere una infraestructura de cómputo pesada: los datos se procesan en un PLC industrial con capacidad de almacenamiento local y se envían a un panel de control cada 24 horas. Esto permite que plantas con recursos limitados adopten el enfoque sin necesidad de invertir en servidores dedicados.
La clave está en no confundir predictivo con preventivo. Una matriz bien diseñada no se limita a cambiar piezas cada cierto tiempo, sino que decide cuándo intervenir en función del estado real del activo. Para ello, es fundamental contar con un registro histórico fiable y con sensores calibrados. En nuestra experiencia, el mayor error es instalar instrumentación sin definir primero los criterios de decisión. La matriz debe estar lista antes de colocar el primer sensor.
Si estás evaluando cómo estructurar el mantenimiento de tus equipos críticos, el primer paso es revisar los datos que ya tienes: partes de averías, registros de inspección visual y cargas de trabajo. A partir de ahí, se puede diseñar una matriz a medida, sin caer en soluciones genéricas que no se ajustan a las condiciones reales de la planta.
Este artículo detalla el proceso de instalación y lectura de galgas extensométricas en puentes grúa de plantas industriales. Se analizan los patrones de deformación bajo condiciones de operación normal y sobrecarga, y se presentan tres casos reales donde la detección temprana de microfisuras evitó paradas no programadas. El texto incluye recomendaciones sobre frecuencia de muestreo y umbrales de alerta basados en normativa ISO 12482.
En este post se explica cómo diseñar una matriz de mantenimiento predictivo a partir de datos de vibración, temperatura y deformación recogidos en tiempo real. Se comparan los enfoques basados en umbrales fijos frente a modelos de machine learning ligero, y se discute la implementación en entornos con recursos limitados de cómputo. El artículo concluye con un ejemplo de programación de intervenciones en una línea de producción de acero.
Este artículo describe el proceso completo de una auditoría de ciclo de vida en una planta química del norte de España. Se cubren desde la revisión documental de históricos de mantenimiento hasta la instrumentación temporal con sensores inalámbricos. Se presentan los resultados de la evaluación de fatiga en intercambiadores de calor y columnas de destilación, y se ofrecen recomendaciones para priorizar inversiones en reemplazo versus reparación.