INTRODUCCIÓN
Con el artículo sobre la Industria 4.0, se ha dicho que el análisis de datos puede evitar el tiempo de inactividad repentino de la máquina y, por lo tanto, proporcionar reparaciones o reemplazos a veces más adecuados para la producción.
Gran parte de la teoría de la industria 4.0 se basa en un análisis de datos, provenientes de varios sensores distribuidos en la planta o en la máquina, de este análisis proviene una predicción sobre posibles fallas o tiempos de inactividad. Sin un estudio o sin tener los fundamentos de diagnóstico y mantenimiento, incluso el mejor programador / software no podrá predecir el deterioro de un componente dado. En este artículo, intentaré presentar el concepto de diagnóstico y mantenimiento, tratando de mantener una línea general para poder cubrir la mayor cantidad de casos.
DIAGNÓSTICO
[1] Diagnóstico: es un procedimiento de traducción, de la información derivada de la medición de los parámetros y de la recopilación de datos relacionados con la máquina, en información sobre las fallas reales o incipientes de la máquina misma. El diagnóstico es una protección contra fallas, es decir, se activa cuando se produce la falla, por lo que en óptica 4.0 es necesario transformar la protección en prevención, pero para realizar este paso es necesario comprender los principios de diagnóstico y mantenimiento.
[1] Aquí comenzamos a hablar sobre el mantenimiento preventivo, que tiene algunas deficiencias:
– por razones económicas obvias, las intervenciones de mantenimiento no pueden ser frecuentes
– Durante las fases de revisión, tratamos de llevar a cabo todas las reparaciones y reemplazos posibles, incluso aquellos que no son necesariamente necesarios. Incremento de costos y tiempos durante estas fases de mantenimiento.
Para resolver estos defectos económicos y al mismo tiempo mantener una máquina eficiente, debemos comenzar a hablar sobre el diagnóstico predictivo. Este término significa tener el estado real de cada componente para predecir o determinar con un alto grado de confiabilidad, cuándo el componente puede romperse, dando la posibilidad de planificar intervenciones específicas y, por lo tanto, reducir los costos de mantenimiento.
DIAGNÓSTICO DE MAQUINAS ROTATIVAS
[ 2 ] Comenzamos analizando los motores y sus causas de falla, esto se debe a que los motores están presentes en toda la automatización industrial y, por lo tanto, una de las principales causas del mal funcionamiento de la planta. Además, conociendo las principales causas de falla, será posible tener diagnósticos más precisos.
¿Dónde pueden ocurrir fallas en un motor?
Este argumento no es fácil de desarrollar, ya que no hay mucho en la literatura, y lo poco que se encuentra está fechado. Aquí presento un par de estudios, citados por la profesora Lucia Frosini de la Universidad de Pavía, en sus diapositivas, puede encontrar el enlace al final del artículo. Los estudios a los que se refiere son, uno de EPRI (Electric Power Research Institute), el estudio se realiza en una muestra de 5000 motores (en corriente continua y corriente alterna) utilizados en diferentes entornos y aplicaciones con potencias superiores a 150kW, mayor parte de ellos son motores asíncronos alimentados a un voltaje superior a 1000V. Esta investigación se llevó a cabo en 1985. El otro estudio es de 1995, y se llevó a cabo en el sector petrolero en Noruega y se refiere a motores ubicados en ambientes exteriores y con potencias superiores a 10kW y voltajes inferiores a 1000V. Los resultados de las dos encuestas son parcialmente diferentes, debido al tamaño de los motores y al entorno de uso. Las causas detrás de las fallas no son fáciles de agregar, pero se puede deducir que las causas principales son el uso inadecuado, los componentes defectuosos y el mantenimiento inadecuado. En los siguientes dos gráficos puede ver los componentes principales que están sujetos a fallas.
CONCLUSIÓN DE LA INVESTIGACIÓN EPRI
ENCUESTA NORUEGA ENCUESTA
Hago una aclaración, en la segunda investigación no se explica la voz (que denominé) cause esterne, en la encuesta “External device”, por lo que no podemos asumir nada al respecto. Pero lo que llama la atención es que en ambos estudios la mayoría de los casos de falla se deben a los cojinetes y los devanados del estator.
Hace poco mencioné las posibles causas de las fallas, el uso inadecuado, los componentes defectuosos y el mantenimiento inadecuado. Las dos primeras causas no se analizarán porque están fuera del alcance de este artículo, ya que pueden rastrearse hasta errores de diseño. Lo que analizaré es un mantenimiento inadecuado. El significado de esta causa tiene como significado principal un análisis incorrecto del problema, que implica una reparación incorrecta o una acción de mantenimiento. Incluso en la industria 4.0 puede haber estas deficiencias, porque el análisis siempre es realizado por el hombre y los posibles errores pueden estar allí, pero con datos históricos y análisis detallados estos errores pueden reducirse, y para lograr esto debemos mencionar la inteligencia artificial , que se presentará en los próximos artículos. El concepto básico, para comenzar a analizar cualquier falla, es que cuando un motor o componente está a punto de descomponerse, hay señales de advertencia que, si se recopilan y analizan, pueden evitar tiempos de inactividad inesperados. Entonces, la pregunta es ¿qué debemos analizar para ver si un componente se está rompiendo? En una máquina eléctrica hay varios aspectos a analizar, eléctricos, magnéticos, mecánicos, fluidos dinámicos y térmicos, y todos interactúan entre sí y, por lo tanto, se pueden distinguir varios indicadores de falla.
Indicadores electromagnéticos:
- actual
- voltajes
- descargas parciales
- flujos magnéticos
indicadores mecánicos:
- ruido
- velocidad angular
- fuerza
- pareja
Indicadores térmicos y químicos:
- temperatura
- análisis de petróleo y gas
entonces podemos medir la eficiencia o el análisis visual, pero entre todos los análisis posibles, el más utilizado es la medición de las vibraciones.
Las vibraciones son indicativas de las fuerzas generadas por el movimiento del rotor, en una máquina eléctrica giratoria, especialmente debido a su desequilibrio. El análisis de vibraciones tiene como objetivo identificar no solo problemas mecánicos, sino también problemas eléctricos, ya que una anomalía eléctrica produce una asimetría en la distribución del flujo magnético al entrehierro y determina una variación en el flujo disperso, lo que produce una distribución diferente de las fuerzas. electromagnético y afecta el progreso de las vibraciones. Por esta razón, la detección también puede ser útil en la carcasa del motor. Desde este primer enfoque, queda claro que las vibraciones de la máquina cambian en presencia de fallas. Desafortunadamente, no son fáciles de identificar porque están enmascarados por otras vibraciones fuera de la máquina. En cualquier caso, las técnicas de análisis de las señales de vibración se han desarrollado para resaltar selectivamente qué partes pueden estar sujetas a fallas o mal funcionamiento, y en función de las frecuencias es posible determinar cuál podría ser la falla. Al determinar si una frecuencia dada se debe a una falla, debemos comenzar a discernir las diversas frecuencias, especialmente las vibraciones naturales, que enmascaran aquellas vibraciones que resaltan un mal funcionamiento. Cada máquina produce sus propias vibraciones, debido a sus características mecánicas, por lo que es necesario eliminar todas estas frecuencias para poder determinar una vibración que identifique una falla.
CONCLUSIONES
Con esto concluye la primera parte de este largo capítulo, decidí dividirlo en varias partes con el fin de rendir fácil de leer. En las segunda partes, se profundizará el análisis de las vibraciones para determinar las fallas y luego se presentarán las causas principales de las fallas en las máquinas rotativas.
BIBLIOGRAFÍA – SITOGRAFIA
- [ 1] Introducción al diagnóstico de máquinas y accionamientos eléctricos por Lucia Frosini, profesora de la Universidad de Pavía.
- [ 2 ] Análisis de vibraciones 1 por Lucia Frosini, profesora de la Universidad de Pavía.
REVISIONES
- 11 de octubre de, 2019 Publicación
- 25 de diciembre de 2019 enlace de actualización siguiente artículo