Seleccionando sensores óptimos de mantenimiento predictivo para salud de activos fiable

El monitorizado basado en condición (CbM) rastrea salud de equipos con sensores, mientras el mantenimiento predictivo (PdM) combina CbM, machine learning y analíticas para pronosticar fallos. Elegir los sensores correctos es crítico para detectar, diagnosticar y predecir fallas antes del tiempo de inactividad.

Los motores industriales están diseñados para operación continua de 20 años en plantas y centrales eléctricas, yet muchos caen corto de su vida esperada. Causas incluyen sub‑uso, mantenimiento inadecuado o ausencia de un sistema PdM. Un programa PdM bien implementado programa reparaciones proactivamente, previniendo paradas no planificadas y extendiendo longevidad del asset.

Una estrategia PdM robusta emplea múltiples técnicas y sensores para catch fallos temprano con alta confianza —no hay un "sensor único para todos". Este artículo explica por qué los sensores son indispensables en PdM, destacando sus fortalezas y limitaciones.

Línea de tiempo de fallos del sistema

La Figura 1 ilustra el ciclo de vida de un motor —desde instalación hasta fallo— junto al sensor recomendado en cada etapa. Tras expirar la garantía, el mantenimiento cambia de inspecciones frecuentes a chequeos programados.

El tiempo de inactividad no planificado a menudo ocurre cuando un fallo se desarrolla entre chequeos programados. La clave es un sensor que pueda marcar issues temprano —este artículo se enfoca en soluciones de vibración y acústicas, con análisis de vibración típicamente sirviendo como punto de partida PdM.

Sensores de mantenimiento predictivo

Algunos sensores detectan fallos específicos, como daño en rodamientos, antes que otros. Acelerómetros y micrófonos son los más ampliamente usados para detección temprana de fallos. La Tabla 1 lista specs de sensores y los fallos que pueden revelar. Los sistemas PdM normalmente despliegan un subconjunto de estos sensores, así que entender cada tipo de fallo y el mejor sensor para capturarlo es esencial.

Consideraciones de sensores y fallos de sistema

Más del 90% de maquinaria rotativa industrial depende de rodamientos de elementos rodantes. La Figura 2 muestra la distribución de fallos de componentes de motor, subrayando la importancia de monitorizar rodamientos. Un sensor de vibración debe ofrecer bajo ruido y ancho de banda amplio para detectar, diagnosticar y predecir fallos potenciales.

La Tabla 2 detalla fallos comunes en máquinas rotativas y requisitos de sensores de vibración para detección temprana. Sensores de alto rendimiento son fundamentales para operación fiable.

La energía de vibración (pico, pico‑a‑pico, rms) revela desbalance o desalineación. Fallos en etapa temprana como defectos de rodamientos o engranajes a menudo requieren un sensor de bajo ruido (<100 µg/√Hz) y ancho de banda amplio (>5 kHz) emparejado con procesamiento de señal avanzado.

Sensores de vibración, sónicos y ultrasónicos para PdM

Los micrófonos MEMS embeben un elemento MEMS en un PCB, típicamente alojado en metal con un puerto para presión de sonido. Son rentables, compactos e ideales para monitorizado de salud de rodamientos, engranajes de engrane, cavitación de bombas, desalineación y desbalance operado por batería. Sin embargo, en entornos ruidosos o duros, el rendimiento puede degradarse por ruido ambiente, humedad o shock mecánico.

Mientras muchas datasheets de MEMS listan aplicaciones benignas (móvil, laptop, gaming), también notan sensibilidad a shock —algunos reclaman hasta 10,000 g supervivencia. La claridad sobre idoneidad para entornos extremos permanece limitada.

Los micrófonos ultrasónicos MEMS analizan sonidos en el rango 20–100 kHz, donde el ruido ambiente es mínimo. Frecuencias más altas producen longitudes de onda más cortas (0.3–1.6 cm) y energía más directiva, ayudando localización precisa de fallos en rodamientos o carcasas.

Los acelerómetros dominan el sensado de vibración para equipos rotativos grandes (turbinas, bombas, motores, cajas de engranajes). Las Tablas 3 y 4 comparan sensores MEMS de vibración/acústicos de alto rendimiento con los acelerómetros piezoeléctricos gold‑standard de la industria.

El mercado CbM se proyecta crecer significativamente en los próximos cinco años, con despliegues inalámbricos impulsando gran parte de esa expansión. Los acelerómetros piezo, aunque altamente capaces, son más voluminosos y consumen más potencia, haciendo acelerómetros MEMS y micrófonos atractivos para sistemas PdM operados por batería.

Todos los tipos de sensores ofrecen ancho de banda adecuado y bajo ruido, pero los acelerómetros MEMS entregan únicamente respuesta DC‑a‑alta‑frecuencia, beneficiosa para detección de desbalance a baja velocidad y sensado de inclinación. También cuentan con funciones de auto‑test, asegurando integridad funcional —una ventaja de seguridad crítica.

Sellado hermético es posible para acelerómetros MEMS (cerámica) y acelerómetros piezo (mecánico), permitiendo uso en entornos sucios o duros. La Tabla 4 destaca diferencias de rendimiento mecánico y ambiental, guiando matching sensor‑a‑asset.

Datos de vibración de tres ejes proveen diagnósticos más ricos, mejorando detección de fallos más allá de setups single‑axis —un beneficio claro de tanto acelerómetros piezo como MEMS.

Los micrófonos MEMS pueden sufrir hasta –8 dB distorsión en entornos de alta humedad. En tales condiciones, micrófonos de condensador electret (ECM) pueden rendir mejor. Otros factores ambientales —viento, presión, campos EM, shock— también impactan sensores acústicos.

En entornos benignos, los micrófonos MEMS entregan excelente rendimiento PdM. Sin embargo, montarlos en entornos duros, vibratorios, polvorientos o húmedos plantea desafíos; requieren un puerto para acceso acústico, que puede exponer electrónica interna a contaminantes.

Avances recientes en tecnología de acelerómetros MEMS capacitivos ahora permiten soluciones CbM inalámbricas pequeñas, low‑cost para assets de menor prioridad, ofreciendo insights más profundos en operaciones de施設 y uptime. Estos sensores MEMS se acercan al rendimiento piezo para sistemas cableados, con bajo ruido, ancho de banda amplio e interfaces IEPE estándar de la industria.

Módulos PdM dedicados, como el ADcmXL3021 de Analog Devices, integran tres acelerómetros MEMS single‑axis, ADCs, procesadores, memoria y algoritmos en un paquete mecánico con resonancia >50 kHz. Esto habilita FFTs on‑node, disparadores de alarma y salidas estadísticas esenciales para predicción de fallos basada en machine‑learning.

Elegir el sensor de vibración correcto depende de hacer match entre capacidades del sensor y los modos de fallo probables del asset. Los micrófonos MEMS no están aún probados para detectar fiablemente todos los fallos basados en vibración en los entornos más duros, mientras que los acelerómetros tienen un récord de décadas de fiabilidad. Los micrófonos ultrasónicos MEMS muestran promesa para detección temprana de fallos en rodamientos y podrían complementar acelerómetros para una solución PdM híbrida.

Aunque ningún sensor único encaja en todos los escenarios, los acelerómetros permanecen una elección probada y en evolución. Analog Devices ofrece un amplio portafolio de acelerómetros MEMS —desde unidades low‑power, low‑noise, high‑stability hasta módulos edge‑node inteligentes— para satisfacer necesidades diversas de aplicación.

Referencias

1. Leslie Langnau. "Sensors Help You Get Maximum Use from Your Motors." Machine Design, Septiembre 2000.
2. Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, y Jan Desmet. "Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study." 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, Mayo 2015.
3. Brian P. Graney y Ken Starry. "Rolling Element Bearing Analysis." Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., Enero 2012.
4. Pratyay Konar, R. Bandyopadhyay, y Paramita Chattopadhyay. "Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks." Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, Diciembre 2009.
5. Pete Sopcik y Dara O'Sullivan. "How Sensor Performance Enables Condition‑Based Monitoring Solutions," Analog Dialogue, Vol. 53, Junio 2019.
6. Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, Febrero 2019.
7. Pradeep Lall, Amrit Abrol, y David Locker. "Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone." ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, Septiembre 2017.
8. Marcel Janda, Ondrej Vitek, y Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, Noviembre 2012.
9. Muhammad Ali Shah, Ibrar Ali Shah, Duck‑Gyu Lee, y Shin Hur. "Design Approaches of MEMS Microphones for Enhanced Performance." Journal of Sensors, Vol. 1, Marzo 2019.