Sistema de Monitoreo y control de motores eléctricos

Si una máquina falla, las repercusiones negativas tanto a nivel servicio como a
nivel financiero para una empresa pueden ser enormes. Por ello, cada vez más
compañías apuestan por el mantenimiento predictivo, una serie de acciones y
técnicas que se aplican con el objetivo de anticiparse a los errores .
El mantenimiento predictivo es una técnica que utiliza herramientas y técnicas de
análisis de datos para detectar anomalías en el funcionamiento y posibles defectos
en los equipos y procesos, de modo que puedan solucionarse antes de que
sobrevenga el fallo. Al igual que el análisis predictivo permite anticipar, por
ejemplo, los movimientos de los mercados o las fluctuaciones en la demanda de
energía, el mantenimiento predictivo utiliza el análisis de datos para adelantarse a
los fallos de los sistemas y es parte fundamental del Internet Industrial de las
Cosas (IIoT).

Ya sea en sistemas de escape, bombas o compresores, los motores de varios

tamaños se utilizan en plantas de producción y almacenes, a menudo en
ubicaciones remotas. Por lo tanto, el mantenimiento de las máquinas lleva mucho
tiempo y es propenso a errores, especialmente si el personal de mantenimiento
solo recibe instrucciones de realizar inspecciones "in situ" (en el sitio) con poca
frecuencia.
En cambio, los datos de múltiples motores se pueden recopilar, evaluar, mostrar
de forma centralizada y, si es necesario, vincular con acciones de alarma para
advertir sobre fallas inminentes a tiempo.

Para hacer el seguimiento del estado de los equipos y avisar a los técnicos de los
próximos fallos, el mantenimiento preventivo cuenta con tres componentes
principales:
- Los sensores y los dispositivos conectados instalados en las máquinas
envían datos sobre el estado y el rendimiento de la máquina en tiempo real
gracias a tecnologías del Internet de las Cosas (IoT), que permiten la
comunicación entre las máquinas y los sistemas de análisis
.
- Las soluciones de software y el almacenamiento en la nube (cloud
computing) permiten aplicar la minería de datos (data mining) y recopilar y
analizar enormes cantidades de datos usando aplicaciones de big data.

- Los modelos predictivos se alimentan con los datos procesados y utilizan

tecnologías de aprendizaje automático (machine learning) para establecer
patrones y comparaciones, elaborar predicciones de fallos y programar el
mantenimiento antes de que ocurran.
Beneficios
 Fàcil adaptaciòn del sistema de control sin intervenciòn en el sistema
de control.
 Operación confiable del motor a través del monitoreo con visualización
de datos individuales y alarmas automáticas.
 Asignación dirigida de personal técnico gracias al mantenimiento
eficiente y predictivo.
 Acceso a datos de motores con accesibilidad limitada

La prueba de servicio es crítica para el mantenimiento predictivo de motores

eléctricos, que es una necesidad cuando este viene a apoyar objetivos de
confiabilidad que a la vuelta apoyan objetivos del negocio. Del mismo modo, el
servicio dinámico en motores eléctricos es realizado mientras el motor está en
operación dentro de su sistema o ambiente normal.
Los programas de mantenimiento predictivo de motores eléctricos son cruciales
para la habilidad de una organización de evitar tiempos de parada no planeados o
innecesarios que pueden afectar adversamente la producción y operación.
Diferente de los enfoques de gerencia de mantenimiento “basado en tiempo” y
“funciona hasta fallar”, los programas “basados en las condiciones” están
idealmente engranados para brindar un retorno por los costes de implementación
extendiendo las vidas de servicio de los motores y equipos rotativos, evitando
costosos y no planeados tiempos de parada y minimizando el coste de reemplazar
equipos costosos.
Los programas de mantenimiento predictivo de motores son más efectivos cuando
todos los medios de medir y analizar las tendencias de +salud de motores, cables,
calidad de potencia, y carga son rigurosamente implementados .

En otras palabras, la seguridad y operación continua de las plantas e instalaciones

impulsa los ingresos y beneficios, y depende de una alta fiabilidad del motor. El
mantenimiento predictivo de motores es una necesidad cuando viene a apoyar
objetivos de fiabilidad que a su vez apoya los objetivos del negocio .