Plataforma de diagnóstico de puente grúa con alerta multisensor
La plataforma de diagnóstico hiperconvergente cuádruple para puentes grúa integra tres subsistemas —termografía infrarroja, inspección aérea con dron y diagnóstico por vibración, acústica y análisis de aceite— en un sistema de monitoreo unificado. Mediante el análisis coordinado de señales multisensor, permite la alerta temprana y la localización precisa de fallos en los equipos.
De acuerdo con los requisitos de gestión de salud de equipos establecidos en la norma ISO 4301 (basada en ISO 4301 / FEM 1.001, especificación de diseño para grúas) y en la norma GB/T 28264-2017, Sistema de Monitoreo y Gestión de Seguridad para aparatos de elevación, los modos de fallo en los componentes críticos de un puente grúa son diversos e interrelacionados: el desgaste del engranaje del reductor genera vibraciones anómalas y partículas metálicas en el aceite, el envejecimiento del bobinado del motor produce aumentos localizados de temperatura, y las grietas en la viga principal son difíciles de detectar visualmente desde el suelo. Ninguna técnica de inspección única cubre todos los tipos de fallo. Por ello, Kelude Industrias Pesadas ha desarrollado la plataforma de diagnóstico hiperconvergente cuádruple KL-DIAG-4000, que integra la termografía infrarroja, la inspección multisensor con dron y el diagnóstico por vibración, acústica y análisis de aceite en un único centro de datos unificado. Esta arquitectura permite la alineación temporal y espacial de señales multisensor y la alerta coordinada, mejorando significativamente la precisión y la cobertura del diagnóstico.
Arquitectura general del sistema de diagnóstico cuádruple
El sistema KL-DIAG-4000 adopta una arquitectura de tres capas: la capa de percepción está compuesta por una cámara termográfica fija (resolución 640×480, NETD<30mK), un dron con carga útil multisensor (cámara de luz visible 4K + termografía 640×512 + LiDAR), acelerómetros IEPE (respuesta en frecuencia 0.5Hz~10kHz) y sensores en línea para análisis de aceite (combinación de recuento de partículas, viscosidad y contenido de humedad). La capa de fusión de datos se implementa en una puerta de enlace de computación perimetral (NXP i.MX 8M Plus, 4 núcleos Cortex-A53 + 2 núcleos Cortex-M7), que ejecuta algoritmos de sincronización de marca de tiempo unificada y fusión a nivel de características. La capa de aplicación se comunica con la plataforma en la nube a través de 4G/5G, ofreciendo paneles de visualización, alertas predictivas y análisis de tendencias.
Los datos de cada subsistema se adquieren a diferentes frecuencias de muestreo (10Hz~1kHz). La puerta de enlace perimetral utiliza el protocolo de tiempo preciso IEEE 1588v2 (PTP) para lograr una sincronización de submicrosegundos, garantizando la coherencia de las marcas de tiempo entre las fases de vibración y las imágenes infrarrojas. Todos los datos se almacenan de forma unificada en la base de datos de series temporales InfluxDB. Cada puente grúa genera aproximadamente 2.8GB de datos brutos al día, que se reducen a 120MB diarios tras la compresión en el borde.
Tras la extracción de características en el borde, solo se cargan los vectores de características y los eventos de alerta, lo que reduce drásticamente la presión sobre el ancho de banda de la red industrial del taller. Por ejemplo, en una acería donde 12 puentes grúa de la nave de colada están conectados a la plataforma KL-DIAG-4000, la carga diaria total de datos desde las puertas de enlace perimetrales es de aproximadamente 1.4GB (frente a los 33.6GB/día de datos brutos). Cada puerta de enlace consume solo 12W (diseño de disipación pasiva, sin ventiladores) y está alojada en un armario con protección IP65, soportando las fuertes variaciones de temperatura y las vibraciones del entorno de la grúa. La plataforma admite los protocolos industriales Modbus TCP, OPC UA y MQTT, y es compatible con los principales PLCs (Siemens S7-1200/1500, Rockwell ControlLogix, Mitsubishi FX5U), lo que facilita la integración con los sistemas MES y SCADA existentes.
Módulo 1: Diagnóstico de aumento de temperatura por termografía infrarroja
El módulo de termografía infrarroja consta de una cámara termográfica fija (instalada sobre la Cabina del Operador, con un campo de visión de 67°×52°) y una cámara termográfica portátil para inspección. Cada 4 horas, escanea automáticamente los principales equipos eléctricos y componentes mecánicos de la grúa. El sistema utiliza un modelo de segmentación semántica basado en IA (arquitectura U-Net) para extraer automáticamente 38 regiones de interés (ROI) para la medición de temperatura, incluyendo la Caja de conexiones del motor, el radiador del Variador de Frecuencia, el forro de fricción del Freno y las Conexiones de los cables. El umbral de temperatura para cada región se ajusta automáticamente según la Especificación técnica del equipo.
Cuando la tasa de aumento de temperatura en una ROI supera los 5°C/hora o la temperatura absoluta excede el umbral (por ejemplo, bobinado del motor ≥130°C, según el límite de aislamiento clase F de la norma GB/T 755-2019), el sistema activa automáticamente una alerta y guarda el clip de video termográfico de ese período. Los datos de operación real muestran que este módulo puede proporcionar una alerta temprana de precalentamiento del rodamiento del motor con 48 a 72 horas de antelación. Los datos infrarrojos también participan en la decisión de fusión multisensor, cruzándose con las características de vibración para reducir las falsas alarmas.
La cámara termográfica está equipada con una lente de enfoque motorizado (distancia focal 25mm, campo de visión 24°×18°). A una distancia de trabajo de 15m, la resolución espacial por píxel es de aproximadamente 0.6mm, suficiente para distinguir el sobrecalentamiento de los terminales de los cables y los puntos calientes localizados en el Aro Exterior del Rodamiento. Cada inspección genera un termograma que se archiva automáticamente en el expediente del equipo, lo que permite comparar tendencias históricas: los operarios de mantenimiento pueden recuperar la curva de temperatura de una ROI específica en los últimos 30, 90 o 180 días, superponiendo la línea de corrección de Temperatura Ambiente (basada en los datos del Sensor de Temperatura del taller) para identificar aumentos de temperatura anómalos debidos a fallos, en lugar de variaciones estacionales. El algoritmo de alerta por diferencia de temperatura incorporado se basa en los umbrales de dos niveles recomendados por la norma ISO 18434-1: Δt≥5°C (comparación con punto simétrico) y Δt≥8°C (comparación con la línea base histórica).
Inspección aérea con dron y sensores múltiples
El módulo de sensores montado en el dron de cuatro rotores (DJI Matrice 350 RTK) integra una cámara de luz visible de 4K, una cámara termográfica de 640×512 y un LiDAR Livox Mid-360. El dron realiza inspecciones automáticas siguiendo rutas tridimensionales predefinidas que cubren la placa de ala superior de la viga principal, la zona de conexión de la viga de extremo, el carril del carro, la línea de alimentación y el cable de acero. La navegación autónoma se basa en GPS diferencial RTK (Precisión de Posicionamiento centimétrica) y en el modelo BIM previamente establecido, sin intervención humana durante todo el proceso.
Las imágenes se procesan en tiempo real mediante el modelo de detección de objetos YOLOv8, capaz de identificar automáticamente áreas de desprendimiento de recubrimiento, holgura de pernos (mediante la transformada de Hough para detectar desviaciones angulares en la cabeza del perno) y roturas de hilos en el cable de acero (mediante escaneo lineal para detectar cambios bruscos en la textura superficial). Los datos de la nube de puntos LiDAR se utilizan para detectar desviaciones de rectitud en el carril (requisito ≤2mm/m según ISO 12480) y variaciones de la contraflecha de la viga principal. Cada inspección genera un informe estructurado que indica el tipo de defecto, las coordenadas de posición (referidas al sistema de coordenadas de la grúa) y el Grado de riesgo. El ciclo típico de inspección es mensual, con una duración aproximada de 15 minutos por puente grúa.
El informe de inspección del dron se compara automáticamente con datos históricos, señalando defectos nuevos y la evolución de los existentes. Para las áreas de desprendimiento de recubrimiento, el sistema emplea un algoritmo de segmentación de imágenes (DeepLabV3+) que calcula automáticamente el porcentaje de área afectada y genera curvas de tendencia: cuando el área de desprendimiento en una zona concreta aumenta más del 20% en dos mediciones consecutivas, se determina una aceleración del Fallo del recubrimiento y se recomienda programar un Tratamiento anticorrosivo. La curva de variación de la contraflecha de la viga principal de la viga principal también constituye un insumo clave para el Mantenimiento Predictivo: según FEM 1.001, la contraflecha en el centro del vano debe estar dentro del rango de 0.9/1000 a 1.4/1000 de la luzbe situarse entre 0.9/1000 y 1.4/1000 de la Luz; cuando la contraflecha medida por LiDAR es inferior a 0.5/1000 o su tasa de Descenso supera 0.1/1000/año, se activa una alerta temprana. La plataforma KL-DIAG-4000 integra estos Indicadores de salud estructural con los datos de vibración e infrarrojos en un panel unificado de estado del equipo.
Diagnóstico integrado de vibraciones, acústica y aceite
El diagnóstico integrado de vibraciones, acústica y aceite constituye el motor de diagnóstico central del sistema. Se instalan Sensores de aceleración IEPE (PCB 352C33, Rango de Medición ±50g) en el reductor, el Motor y el Soporte de Rodamiento del tambor para adquirir señales de vibración, mientras que un sensor de aceite en línea (Parker Kittiwake KS10) montado en la parte inferior del reductor monitoriza en tiempo real el número de partículas metálicas, la viscosidad y el contenido de humedad del aceite. El análisis de vibraciones se basa en los cuatro umbrales de severidad vibratoria de la norma ISO 10816-3:2009 (≤1.8/1.8~4.5/4.5~11.2/≥11.2 mm/s para equipos de clase I), extrayendo simultáneamente características en el dominio de la frecuencia (energía de bandas laterales de primer y segundo armónico del espectro FFT) y en el dominio del tiempo (factor de curtosis, factor de impulso).
Cuando la severidad vibratoria supera el umbral amarillo (4.5mm/s) y simultáneamente se detecta una concentración de partículas ferromagnéticas en el aceite superior a 2000 partículas/mL, el sistema determina un Desgaste temprano del Engranaje (en lugar de un Fallo del Rodamiento), con un nivel de confianza ≥0.85. Gracias a este mecanismo de validación cruzada vibración-aceite, la tasa de falsas alarmas del diagnóstico unidimensional se reduce de aproximadamente el 18% a alrededor del 4% con el diagnóstico integrado. El módulo de vibraciones, acústica y aceite ejecuta automáticamente un análisis completo cada 12 horas, con una duración de aproximadamente 8 minutos por ciclo (incluyendo adquisición de pulsos de vibración, muestreo de aceite e inferencia de IA).
Mecanismo de alerta colaborativa y evaluación de resultados
El mecanismo de alerta colaborativa de la plataforma integrada emplea un algoritmo de fusión de evidencia multinivel. Cada submódulo calcula de forma independiente una puntuación de probabilidad de fallo (0~1), que posteriormente se fusiona a nivel de decisión mediante la teoría de evidencia de Dempster-Shafer ponderada. Los Coeficientes de ponderación se ajustan dinámicamente según la confianza diagnóstica de cada submódulo en modos de Fallo específicos; por ejemplo, para el Desgaste de Engranaje: peso de vibración 0.45, peso de aceite 0.40, peso de infrarrojos 0.10 y peso del dron 0.05.
En un despliegue piloto en seis grúas de Fundición de 32t en una acería, el sistema generó 42 alertas durante un periodo de operación de 6 meses, de las cuales 35 fueron verificadas como signos reales de fallo tras la parada del equipo (precisión del 83.3%) y 7 fueron falsas alarmas (principalmente falsos positivos infrarrojos provocados por cambios bruscos de Temperatura Ambiente). En comparación con el diagnóstico unidimensional tradicional, el tiempo medio de alerta temprana del diagnóstico integrado aumentó de 7.2 días (con diagnóstico de vibraciones únicamente) a 12.5 días (una mejora del 73.6%). Kelude, basándose en los datos de diagnóstico de esta plataforma, optimiza continuamente los modelos algorítmicos y envía a los clientes paquetes de Actualización de la plataforma trimestralmente.
| Diagnóstico Escenario | Unidimensional Diagnóstico Precisión | Fusión Diagnóstico Precisión | Tiempo de preaviso |
|---|---|---|---|
| Engranaje del reductor Desgaste | 71.3% | 89.7% | 14~21día |
| rodamiento del motor Precalentamiento | 65.8% | 86.2% | 48~72hora |
| Cable de Acero Rotura de alambre | 78.4% | 91.5% | Inmediato |
| Rectitud del carril Fuera de tolerancia | 82.1% | 94.3% | Inmediato(Inspección) |
| Viga Principal Grieta | 58.6% | 82.9% | 7~14día |
| Promedio | 71.2% | 88.9% | — |
Preguntas frecuentes
P: ¿Qué ventajas ofrece la plataforma de diagnóstico integrado 4 en 1 frente a la compra de tres sistemas independientes?
R: La ventaja principal reside en el efecto de sinergia de datos. Tres sistemas independientes cuentan cada uno con su propio adquisidor de datos, canal de transmisión e interfaz de gestión, lo que impide la sincronización temporal y la correlación de características entre sistemas: cuando la señal de vibración muestra una anomalía, el dron de inspección puede estar aún cargándose. Con la sincronización de base de tiempo unificada del KL-DIAG-4000, cuando el Sensor de Vibración detecta un impacto anómalo, el sistema puede recuperar automáticamente las imágenes termográficas infrarrojas y los datos de partículas de aceite del mismo instante, generando una cadena de evidencia de fallo completa. Además, el coste de despliegue de la plataforma unificada es aproximadamente un 35% inferior al de tres sistemas independientes (compartiendo hardware como la pasarela de Computación en el Borde, la Alimentación Eléctrica y el enlace de comunicación).
P: ¿Cómo se garantiza la fiabilidad y seguridad del vuelo del dron en entornos de taller de puente grúa con alta concentración de polvo y altas temperaturas?
R: Se utiliza el dron industrial DJI Matrice 350 RTK, con Grado de Protección (IP) IP55 y temperatura de funcionamiento de −20~+50°C. Antes del vuelo, el sistema detecta automáticamente las condiciones ambientales: si la velocidad del viento supera los 8 m/s, la concentración de polvo supera los 5 mg/m³ o la temperatura excede el rango de funcionamiento, se deniega automáticamente el despegue. Durante todo el vuelo se mantiene activo el radar de evitación de obstáculos frontal y trasero (alcance de detección horizontal de 0,5 a 20 m, vertical de 0,5 a 15 m), con Desaceleración automática al situarse a menos de 2 m de la estructura de acero del puente grúa. Si se pierde la señal RTK o el enlace de comunicación remota se interrumpe durante más de 5 segundos, el dron regresa automáticamente al punto de partida (función RTH). En despliegues reales en acerías, se han acumulado más de 1.200 vuelos sin ningún incidente de seguridad.
P: ¿El sensor de aceite del diagnóstico integrado de vibración, sonido y aceite requiere calibración y mantenimiento periódicos?
R: El sensor de aceite en línea Parker Kittiwake KS10 tiene un ciclo de calibración de fábrica de 12 meses. El propio sensor incorpora una función de autocomprobación que ejecuta automáticamente una verificación de sensibilidad diaria. El recuento de partículas metálicas se basa en el principio de bloqueo láser; cada 3 meses es necesario realizar una calibración de precisión utilizando una dispersión estándar de partículas (el kit de calibración incluye muestras estándar de 1.000 partículas/mL y 5.000 partículas/mL). La medición de viscosidad utiliza el principio de microbalanza de cristal de cuarzo y requiere calibración cada 6 meses. En condiciones normales de aceite (grado ≤8 según norma AS 1638), el sensor ofrece un rendimiento fiable y continuo, con un tiempo medio entre fallos (MTBF) ≥18.000 horas.
P: ¿Qué reformas son necesarias en el puente grúa existente para desplegar la plataforma 4 en 1?
R: Las principales reformas incluyen: instalación de la pasarela de Computación en el Borde y del módulo de comunicación 4G/5G en el armario eléctrico del puente grúa (ocupando 2U de espacio en el bastidor); taladrado y roscado en el Soporte de Rodamiento del motor, en los ejes de entrada/salida del reductor y en el Cojinete de tambor para instalar sensores de vibración IEPE (configuración estándar de 8 a 12 puntos de medición por grúa); instalación de un circuito de retorno del sensor de aceite en línea en el orificio de drenaje inferior del reductor; instalación del soporte fijo para la cámara termográfica infrarroja y del cableado de alimentación/comunicación sobre la Cabina del Operador; la importación de la ruta de vuelo del dron no requiere modificación del puente grúa. Estas reformas pueden completarse durante el ciclo normal de mantenimiento programado (aproximadamente 2 días), con un tiempo de inactividad no superior a 4 horas (conexión del sistema de control eléctrico).
