Sistema de mantenimiento predictivo

Fresadora industrial · línea 01

Anticipar el fallo
antes de la parada

Análisis de — piezas mecanizadas con sus condiciones de trabajo y sus averías registradas. El objetivo no es explicar el fallo después: es detectar la combinación de par, velocidad, desgaste y temperatura que lo precede.

Piezas analizadas—
Averías registradas—
Tasa de fallo—
Potencia media—
01

La instalación

Qué máquina se vigila, con qué instrumentos se mide y cómo llega el dato hasta el modelo.

Fresadora CNC · 3 ejes

Centro de mecanizado en producción continua

Husillo
1.168 – 2.886 rpm
Par en el eje
3,8 – 76,6 Nm
Potencia de corte
1,1 – 10,5 kW
Refrigeración
Aire forzado
Vida de herramienta
0 – 253 min de corte
Producción
60 % calidad baja · 30 % media · 10 % alta
Tres calidades de pieza con distinta exigencia de mecanizado. La calidad alta trabaja con tolerancias más estrechas y admite más carga antes de entrar en sobreesfuerzo.

Instrumentación

Qué mide cada variable y dónde está el sensor

MagnitudInstrumentoSeñalUbicación
Temperatura del aire Sonda PT100 clase A, 4 hilos 4–20 mA Entrada de refrigeración
Temperatura de proceso Termopar tipo K mV Carcasa del husillo
Velocidad de giro Encoder incremental 1.024 ppr A/B/Z Eje del husillo
Par en el eje Estimado por el variador a partir de la corriente del motor Modbus TCP Armario eléctrico
Desgaste de herramienta Contador de tiempo de corte del control numérico registro CNC Control de la máquina
El par no se mide con una célula de carga: se deduce de la intensidad que consume el motor, que es como se hace en la práctica cuando no compensa instrumentar el eje. El desgaste tampoco tiene sensor: es el tiempo de corte acumulado que ya lleva la propia herramienta según el CNC.

Cadena de adquisición

Del sensor al modelo

  1. 1 Sensores de campo Sondas, encoder y variador en la máquina
  2. 2 Módulos de E/S Entradas analógicas y de temperatura en el armario
  3. 3 Autómata (PLC) Consolida una lectura por pieza mecanizada
  4. 4 OPC UA Publica las variables hacia el sistema informático
  5. 5 Histórico Base de datos con una fila por pieza y sus averías
  6. 6 Modelo predictivo Evalúa el riesgo y devuelve el aviso
Sobre los datos: el conjunto AI4I 2020 es un dataset público sintético, generado por la Universidad de Ostwestfalen-Lippe para reproducir el comportamiento real de una fresadora industrial, con sus modos de fallo documentados. La instrumentación descrita en esta ficha es un montaje realista equivalente al que proporcionaría esas señales en una planta; no procede de ninguna instalación concreta ni de datos de ninguna empresa.
02

Dónde y por qué falla

La máquina no falla al azar: falla en zonas concretas de su régimen de trabajo.

Zona de fallo

Par frente a velocidad de giro

La nube dibuja una hipérbola porque la máquina trabaja a potencia aproximadamente constante (P = par × velocidad angular). Las averías se acumulan en los extremos: mucho par con pocas revoluciones — sobreesfuerzo, el motor arrastrando — y el extremo opuesto de régimen alto con poca carga.

Modos de fallo

Causa raíz de cada avería

Umbral de desgaste

El fallo no crece: salta

—riesgo pasados los 200 min
frente a
—con herramienta en servicio
Hasta los 200 minutos, piezas sanas y averiadas se reparten igual. A partir de ahí la distribución se rompe. Es un límite de servicio, no una degradación progresiva.

Salto térmico

El hallazgo que las medias ocultan

—con salto inferior a 8,6 K
frente a
—con gradiente suficiente
Multiplica el riesgo por —. En las medias globales esta señal desaparece (10,0 K frente a 9,4 K). Sin diferencia de temperatura entre el proceso y el aire no hay por dónde evacuar el calor, y la máquina se cuece.
03

El modelo

Random Forest entrenado con 7.500 piezas y evaluado con 2.500 que nunca vio.

Averías detectadas — de todas las que ocurrieron
Acierto al avisar — cuando da la alarma
ROC-AUC — 1,000 sería perfecto
Falsas alarmas — sobre 2.415 piezas sanas

Los dos errores no cuestan igual

  • — falsas alarmas · una revisión de más
  • — averías no detectadas · una línea parada
  • — averías anticipadas · intervención programada
En mantenimiento se prefiere pecar de prudente: revisar de más cuesta una hora de técnico; no ver una avería cuesta la producción de un turno.

Qué mira el modelo para decidir

Peso de cada variable

La potencia no venía en los datos: la calculamos a partir del par y las revoluciones, y el modelo la ha situado entre las variables que más pesan. Esa columna es criterio de ingeniería, no estadística.
04

Simulador de condiciones

Ajusta el régimen de trabajo y consulta el riesgo calculado por el modelo.

Consigna de trabajo

Calidad de la pieza
Potencia en el eje—
Salto térmico—

Probabilidad de avería

—calculando
05

Monitor en tiempo real

Simulación de la máquina en producción: el desgaste avanza, las condiciones fluctúan y el modelo evalúa cada ciclo.

Puesto de control

Máquina detenida

Riesgo0 %
Desgaste0 min
Par40,0 Nm
Velocidad1500 rpm
Potencia— W
Ciclos0
En espera

Registro de alarmas

  • Sin incidencias
06

Rentabilidad

Un modelo no se defiende con métricas, se defiende con dinero. Ajusta los costes a tu planta.

Parámetros de planta

—

Coste anual comparado

Mantenimiento reactivo—
Con modelo predictivo—
Ahorro anual estimado—