Monitorización de estado
Por monitorización de estado se entiende el registro y análisis continuo o periódico del estado técnico de máquinas, sistemas o procesos. El objetivo de esta estrategia de mantenimiento es detectar a tiempo desviaciones del estado normal, evitar paradas imprevistas y prolongar la vida útil de las máquinas.
Los parámetros físicos típicos que se monitorizan en un sistema de monitorización de estado (CMS) son vibraciones, temperaturas, presiones, calidad del aceite y el lubricante y señales acústicas.
Modo de funcionamiento de la monitorización de estado
La base de la monitorización de estado es la detección del estado mediante sensores, como sensores de vibración, sensores de presión y temperatura o sistemas de monitorización de partículas para fluidos hidráulicos.
Los datos de medición se transmiten a través de una red, de forma inalámbrica o por cable, a un sistema de supervisión central, donde se documentan, se comparan con valores de referencia o límite y se analizan mediante el procesamiento automático de los datos de medición. En la fase de diagnóstico, se detectan anomalías y patrones de daños para poder planificar a tiempo las medidas de mantenimiento necesarias.
Superficies de aplicación
La monitorización de estado se utiliza principalmente en la Industria 4.0 y en entornos de fábricas inteligentes. Las aplicaciones típicas incluyen la monitorización de máquinas en centrales eléctricas, la monitorización de turbinas o generadores, la monitorización de sistemas giratorios como bombas, compresores, motores eléctricos o máquinas herramienta, así como la monitorización de procesos en la tecnología de procesos. La monitorización de estado también desempeña un papel central en superficies muy sensibles como los trenes de laminación, la aviación o el transporte ferroviario.
Monitorización de estado en el contexto del mantenimiento preventivo y la Industria 4.0
Por tanto, los datos de estado registrados sirven de base para el mantenimiento preventivo (mantenimiento basado en el estado). Mediante métodos como el análisis de señales, el reconocimiento de patrones o el análisis de emisiones acústicas, es posible predecir con seguridad incluso los daños más complejos en las máquinas. Las soluciones modernas utilizan el aprendizaje automático, la monitorización de estado de big data y el Internet industrial de las cosas (IIoT) para evaluar incluso grandes cantidades de datos en tiempo real.