Uno de los principales problemas a los que se enfrentan las industrias en general, es la predicción del error o la
falla de los activos más sensibles o críticos de sus equipos.
Es por ello, que surgen técnicas basadas en el mantenimiento predictivo, en busca de la detección precoz de las
posibles grietas, imperfecciones o defectos que son susceptibles de provocar un accidente o la parada de parte
de una planta o su totalidad. El objetivo principal es adelantarse en el tiempo a la rotura, para mejorar la
planificación y la programación de operaciones de mantenimiento y control.
Esto no sólo aumenta la seguridad, sino que mejora la rentabilidad. No olvidemos el elevadísimo coste que implica
un paro por mantenimiento correctivo y las implicaciones en los distintos equipos provocando en ocasiones su
propia inutilización. El rodamiento es precisamente uno de los elementos más importantes dentro de los equipos
y sistemas de producción.
Este estudio aborda las distintas situaciones sufridas por un conjunto de rodamientos de un sistema mecánico a
lo largo de 15 años, en condiciones reales de funcionamiento, analizando para ello su mapa espectral en busca
de las variables de mayor peso y, por tanto, de mayor influencia en la vida útil del conjunto.
No sólo se intentará dar respuesta a los elementos más determinantes, sino que se intentará determinar en qué
puntos de medida se acentúan sus perturbaciones, con el propósito de disminuir puntos de muestreo sin perder
fiabilidad.
Para ello, se obtienen los valores de cada una de las frecuencias características de los rodamientos y del propio
equipo a lo largo de los años, tanto en las dos posiciones de muestreo como en sus ejes característicos, con la
intención de procesarlos a través de una red neuronal.
Para la obtención de datos se han seguido las especificaciones de la ISO 10816, en términos de RMS, con la
intención de evitar el enmascaramiento de las señales, además de ser una norma de reconocido prestigio a nivel
internacional. La primera parte de la investigación fue el análisis de la amplitud máxima arrojada por el equipo de
medida en los dos ejes y posiciones.
En la segunda fase se obtuvo el valor de densidad de potencia de cada una de las frecuencias características de
los rodamientos, la de giro del equipo y la de los álabes. La tercera fase fue el análisis, a través de una red neuronal, para determinar qué variable tiene más peso. Para
ello, se analizan todos los valores en cada uno de los años y se comparan con el procesamiento de años pares y
años impares.
También se procesaron los datos siguiendo el mismo patrón, pero eliminando la variable de más peso, obtenida
con el primer procesamiento por red neuronal. La cuarta fase del estudio fue el análisis espectral arrojado durante
todo el periodo de toma de datos, en busca de los valores energéticos de cada frecuencia de cada rodamiento, y
así determinar la variable más expuesta y sensible al funcionamiento del equipo. En una quinta fase se determinó
las frecuencias más importantes, la posición y el eje acción en valores de RMS.
El estudio determina que los valores de amplitud máxima más importantes se dan en la posición 4, y es el eje
vertical el más sensible a las acciones mecánicas del equipo, tanto para los estudios por RNA, como por valor de
RMS. Según las variables, se puede decir que la frecuencia de giro del equipo, SPEED, es la más determinante
en todos los estudios.
También se encuentra unanimidad en el análisis de la frecuencia de los álabes, determinando que la posición más
importante es la 3 en el eje axial, siendo la única variable que genera más empuje en el eje axial, esto es debido
a la acción de empuje que generan los álabes y el fluido sobre el propio eje. Sobre los rodamientos existe linealidad
entre ambos estudios, dando como rodamiento más determinante el SKF6322.
One of the main problems industries in general are facing is the prediction of errors or failures of the most sensitive
or critical assets of their equipment.
For this reason, techniques based on predictive maintenance are emerging, searching for the early detection of
possible cracks, imperfections or defects that are likely to cause an accident or the partial or complete shutdown
of a plant.
This not only increases safety, but also improves the industry's profitability. Bearings are one of the most important
mechanical elements in industrial production equipment and systems.
This study characterizes the 15-year operating scheme of a set of bearings in a real mechanical system (a blower)
by means of spectral analysis of the vibrations generated.
We obtained the values over the years of every characteristic frequency of the bearings and the equipment itself
in two sampling positions and in their typical axes.
For data collection and we have followed the ISO 10816 standards, thus using the values of speed in RMS, aiming
to reduce the masking of these signals that occurs depending on whether they are high or low frequencies.
The study will respond to one of the most important requirements found in the predictive and preventive control of
industrial sites. The problem of the predictive systems of maintenance of equipment with bearings lies in the
number of monitoring and analysis points that generate a high cost in time and human resources.
The result will be to determine which of all the study frequencies is the most significant and in which position and
measurement axis has the biggest impact. To do this, we will analyses the rotation frequency of the blowing
machine, the resulting frequency of all the frequencies, the frequency of the impulsion blades and finally the
frequency of the bearing.
With Artificial Neural Networks (ANNs) models, we estimated the most significant bearings, measurement points
and variables in the changes of the maximum amplitude of the frequency spectra, a parameter that determines the
feasibility and safety of the equipment.
A sensitivity analysis concludes that the most significant frequency has been the one generated by rotation of the
machine itself, followed by the second harmonics of the bearing ball frequencies and the frequency generated by
the blades of the equipment.
The study also shows that vertical position 4 is the most critical one, followed by axial position 4 caused by the action of the blades, and the bearing most important is the SKF6322 one.