Ya sea que trabajes en mantenimiento o te especialices en otras áreas y quieres saber qué es el análisis de vibraciones en máquinas, para qué sirve y cómo ponerlo en práctica, este post para ti.
El análisis de vibraciones no solo implica identificar los componentes que generan desequilibrio, sino que es una herramienta que ayuda en el cuidado tanto de máquinas rotativas como de cualquier equipo.
Importancia del análisis de vibración
Tal como lo indica su nombre, el análisis de vibraciones es el proceso de examinar las variaciones en las vibraciones mecánicas. Esto, con el objetivo de detectar posibles problemas que puedan comprometer el funcionamiento correcto de un equipo o incluso dañar el proceso productivo de la compañía.
Gracias a este diagnóstico, un analista de vibraciones adquiere datos que dan a conocer el estado de los equipos. Con esta información, tanto el analista como los técnicos, no solo restablecen el funcionamiento de la máquina, sino que también encuentran el origen de las fallas con el objetivo de emplear técnicas de mantenimiento que aseguren un desempeño adecuado.
Tomando esto en cuenta, el análisis de vibraciones es un proceso realmente efectivo para el mantenimiento predictivo. A partir de la recolección de datos y reconocimiento de fallas, los técnicos pueden enfocar la gestión de mantenimiento en prever inconvenientes, optimizar la rutina, establecer parámetros y, por ende, aumentar el mantenimiento productivo total.
Cómo interpretar una señal de vibración
Para hacerte una idea de cómo es una señal de vibración, imagínate que balanceas una cuerda atada a una pared:
El movimiento oscilatorio que hacen los puntos A, B, C y D es el resultado de la oscilación que tu mano generó en la cuerda.
Esto no es más que un movimiento vibratorio que se propaga a la pared.
Si únicamente observamos lo que ocurre en el punto A de la cuerda y trazamos la gráfica de la posición de este mismo punto frente al tiempo, obtenemos una forma de onda semejante que resultó de tu agitación de la cuerda.
Esto es exactamente lo que parece una señal de vibración:
De lo anterior, podemos concluir que:
- El periodo es el tiempo que tarda el punto A de la cadena en volver a iniciar un ciclo.
- La amplitud es la distancia máxima del punto A con respecto a la posición que tendría si la cuerda estuviera tensa, proporcionándonos así el nivel de energía de la onda.
- La frecuencia de vibraciones es igual al número de ciclos por segundo (que se mide en hercios HZ). Si el periodo T de la primera cadena es de 2 segundos, nuestra frecuencia sería la inversa de ésta, es decir, 0,5 hercios (medio ciclo por segundo).
Como podrás notarlo, el tipo de vibración es un factor importante. ¿Recuerdas la pared en la que fijaste la primera cuerda?
Imagina que ahora hay 5 amigos tuyos haciendo lo mismo en la misma pared, es decir, balanceando sus respectivas cuerdas, pero a distintas frecuencias.
En este escenario, tendríamos 6 señales de vibración del punto A en las diferentes cuerdas, como en la siguiente figura:
Pero, ¿qué pasa con el muro que sostiene todos estos hilos oscilando al mismo tiempo?
Pues recibirá una señal total de la vibración que se propaga por las cuerdas (es la señal que está en rojo en la imagen de arriba).
Haciendo una analogía con las máquinas, la pared sería el lugar ideal para que la máquina capte la señal total de vibración.
Las cuerdas serían los factores que influyen en la vibración global de la máquina, mientras que el signo en rojo sería la vibración global per se.
Los factores que hemos mencionado anteriormente pueden presentarse en forma de:
- Desgaste/deterioro;
- Falla de los rodamientos;
- Juego mecánico;
- Alineación incorrecta;
- Desequilibrio;
- Resonancia;
- Lubricación;
- Excentricidad.
En el ejemplo de la cadena, podemos visualizar exactamente cómo es la señal generada por cada uno de los amigos en nuestro ejemplo real. Sin embargo, no es así como sucede en la vida real.
En el día a día de la maquinaria, el ruido se interpone en la visualización y el sensor sólo obtiene el resultado final de los diferentes factores.
Es decir, siguiendo la misma analogía, tendríamos la “sacudida” total, sin saber exactamente cuál pertenece a cada cuerda.
Para poder interpretar esta señal y saber qué factores podrían producir vibraciones en el eje de una máquina, la Transformada de Fourier es de gran ayuda.
La técnica consiste en sustituir el eje del tiempo por el de la frecuencia, lo que facilita la visualización de la composición de la señal.
Después de aplicar la Transformada de Fourier, es posible realizar el análisis espectral.
Cada tipo de maquinaria y equipo tiene una firma espectral original. A partir de ahí, identificamos las características de vibración de cada componente individual.
Esto nos permite controlar su estado, diagnosticar los factores mencionados anteriormente, como el desgaste y la desalineación y, por ende, realizar las reparaciones necesarias.
El análisis espectral de vibraciones de máquinas ya es habitual y técnicos de mantenimiento con conocimientos en análisis de vibraciones lo realizan periódicamente.
A pesar de lo común que es hoy en día, realizar un análisis de este tipo, aún tomando como base las observaciones y habilidades prácticas del técnico sobre el buen funcionamiento de la máquina, es probable que se pierda gran parte de la historia y el conocimiento de los patrones y niveles de vibración de la máquina, lo que perjudica el diagnóstico.
Por eso, en TRACTIAN utilizamos el aprendizaje automático para identificar el deterioro de la firma espectral de una máquina y generar conocimientos asertivos sobre la causa del problema.
Gracias a esto, es posible guardar todo el historial de funcionamiento, tomar medidas de mantenimiento preventivo y evitar problemas mecánicos o fallos en las máquinas.
Aprende sobre ciencia de datos para identificar estos cambios, asegurar que tus máquinas funcionan correctamente y alargar su vida útil.
Si te quieres saber más detalles sobre una solución que puede automatizar este proceso de análisis en tus máquinas, te invitamos a hablar con uno de nuestros analistas de vibraciones.
