Análisis de rodamientos: diagnosticar problemas temprano, prevenir fallos

Nuestro objetivo es cultivar una mentalidad que priorice la detección y resolución de problemas sobre simplemente detectar fallos. En la práctica, los rodamientos a menudo fallan espectacularmente, sin embargo, los datos de vibración que señalaron el fallo rara vez se examinan más allá del punto de reemplazo. Un enfoque estructurado y multi-etapa es esencial: un programa de monitorización de vibración debe señalar un problema al primer indicio, y el mantenimiento debe actuar en consecuencia —a veces ajustando lubricación, a veces reemplazando un rodamiento. El momento del reemplazo es crítico; cambios prematuros pueden percibirse como un fallo del sistema, mientras que la acción tardía puede dañar otros componentes y borrar evidencia diagnóstica. El mantenimiento proactivo, no el reemplazo reactivo, es el camino a la fiabilidad.

El sistema de soporte a la decisión SKF Bearing Inspector acelera, estandariza y mejora la calidad del diagnóstico de rodamientos. Al agregar principios fundamentales y resultados prácticos de ingeniería sobre daño en rodamientos rodantes, previene fallos recurrentes. A diferencia de árboles de causa-a-síntoma tradicionales que pueden engañar, esta herramienta modela causalidad desde condiciones a síntomas observables, asignando probabilidades que reflejan incertidumbres del mundo real. Inteligencia computacional de vanguardia sustenta este enfoque, asegurando que el diagnóstico refleje la física de la operación del rodamiento.

Este artículo se alinea con la ISO 15243:2004, el referente para análisis de datos de monitorización de condición.

Entendiendo el Problema

Las herramientas de monitorización de condición son más valiosas cuando ayudan a predecir fallos antes de que sean críticos. Para aprovechar su pleno potencial, primero debe comprender la terminología y desarrollar una estrategia para la recopilación y conversión de datos en insights accionables. Tome un ejemplo de rodamiento: ¿simplemente detectamos un fallo, o descubrimos la causa raíz y prevenimos la recurrencia? Las firmas de vibración pueden revelar zonas de carga, desalineación y patrones de desgaste que, si se abordan temprano, ahorran costosas paradas.

Figura 1. Espectro Envolvente del Rodamiento

Figura 2. Forma de Onda del Rodamiento

Figura 3. Análisis de Tiempo Cíclico del Rodamiento

En este caso, fallos repetidos llevaron solo a reemplazos de rodamiento —una solución costosa y lenta. Al segmentar un bloque de datos para representar una sola revolución y promediarlo sincrónicamente con un disparador virtual a 1 rpm, emergieron dos zonas de carga distintas. Estas zonas indican tensión inminente en la pista interior y la jaula, guiando la acción correctiva. La inspección posterior del muñón reveló ovalización; el mecanizado corrigió el ajuste, y el rodamiento ha operado sin fallos desde entonces.

El análisis de causa raíz combinado con mantenimiento proactivo resultó decisivo. La lección: solucione el problema, no solo el fallo.

Gestión de Lubricación

Cuando la lubricación se degrada, la vibración, el ruido o las emisiones acústicas típicamente aumentan. Aunque la inspección auditiva puede señalar problemas, el método más fiable es hacer tendencia de datos de vibración contra unidades de ingeniería. La Figura 4 ilustra la tendencia de vibración de un rodamiento antes, durante y después del engrase.

Figura 4. Tendencia de vibración durante lubricación

Aunque el engrase pareció resolver el problema, los niveles de vibración nunca volvieron a los niveles pre-problema. El aumento residual provenía de residuos dentro de la grasa. Una forma de onda capturada durante el engrase (Figura 5) muestra claramente cómo la operación de engrase enmascaró el problema subyacente.

Figura 5. Forma de onda durante engrase

Sistema de Soporte a la Decisión para Análisis de Fallos de Rodamientos

La visión precisa sobre daño en rodamientos rodantes es estratégicamente vital para SKF y sus clientes. El SKF Bearing Inspector —una base de conocimiento habilitada para web— captura toda la información disponible, desde principios fundamentales hasta resultados de ingeniería reales. Esto permite toma de decisiones rápida, consistente y de alta calidad y ayuda a prevenir daño recurrente.

A diferencia de los primeros sistemas expertos de los años 80, que se basaban en árboles de decisión rígidos, el sistema actual modela causalidad de condiciones a síntomas con probabilidades cuantificadas. Esto refleja la realidad física de que una causa específica (ej. montaje incorrecto) se manifiesta como daño observable (ej. fretting), no viceversa.

Representación del Conocimiento

El sistema usa una red probabilística que vincula visualmente nodos que representan:

• Condiciones: velocidad de operación, carga, tipo de rodamiento, detalles de instalación, entorno, etc.
• Mecanismos Internos: estado de lubricación, ruptura de película, contacto deslizante.
• Modos de Fallo: fatiga subsuperficial, corrosión por fretting, desgaste adhesivo, etc.
• Síntomas Observados: decoloración, descamación, óxido, picaduras.

Con aproximadamente 150 nodos y 250 imágenes de apoyo, la red encarna tanto conocimiento experto como datos empíricos. Las probabilidades se calculan hacia adelante y hacia atrás, reflejando el flujo de trabajo diagnóstico de un clínico: generar hipótesis, luego verificarlas o rechazarlas mediante inspecciones dirigidas.

Figura 6. ISO 15243:2004

Figura 7.

Caso de Estudio: Rodamiento de Motor Eléctrico en una Planta de Papel

Bajo "Casos Típicos", el Bearing Inspector muestra escenarios reales. Uno involucra un rodamiento de rodillos cilíndricos aislado NU 322 ECM/C3VL024 en un bobinador de papel. Operando entre 1.000 y 1.500 rpm, el rodamiento mostró desgaste severo en ambas pistas interior y exterior tras solo un mes.

Cargar los datos de aplicación (Paso 1) popula automáticamente el análisis. La herramienta marca inicialmente altas probabilidades para falso brinelling, desgaste adhesivo y fuga de corriente. Guiado por el software, el usuario verifica los síntomas específicos de cada modo de fallo:

1. Falso brinelling —no se encontraron depresiones someras, se rechaza.
2. Desgaste adhesivo —no hay signos característicos presentes.
3. Fuga de corriente —picaduras pequeñas observadas al aumentar aumento, confirmando el diagnóstico.

La investigación posterior descubrió una falla de toma de tierra en la construcción del bobinador, confirmando la recomendación del software.

Figura 8. Paso 1: Condiciones de aplicación

Figura 9. Paso 2: Diagnóstico inicial y factores de confianza

Figura 10. Paso 3: Inspección de síntomas para fuga de corriente

Figura 11. Diagnóstico final y generación de informe

En lugar de inspeccionar cada síntoma posible, el sistema prioriza las observaciones más discriminantes basadas en la hipótesis actual, reduciendo el esfuerzo diagnóstico. Los usuarios pueden exportar informes completos en Word o HTML, con condiciones, observaciones y rankings de probabilidad.

Conclusión

El SKF Bearing Inspector entrega un proceso de toma de decisiones rápido, consistente y de alta calidad para investigaciones de daño en rodamientos. Accesible a través de interfaz web, empodera a ingenieros y clientes de SKF para identificar causas de fallo e implementar medidas preventivas —asegurando que el mismo fallo no recurra y guiando la configuración de programas de monitorización de condición basados en vibración.