Sistema de Monitoreo CMS para Grúas: Guía de Telemantenimiento
El sistema de monitoreo de condición (CMS) para grúas integra sensores de vibración, temperatura y corriente, junto con una pasarela de computación en el borde y una plataforma en la nube 4G/5G. Esto permite evolucionar desde el mantenimiento programado hacia el Mantenimiento Predictivo, logrando una precisión de ±0.1mm/s RMS en el Monitoreo de Vibraciones y una tasa de precisión en el Diagnóstico de Fallas superior al 92%.
Con el avance de la Industria 4.0 y la Fabricación Inteligente, el modelo de mantenimiento de los aparatos de elevación está experimentando una profunda transformación: del tradicional "reparar cuando se avería" al Mantenimiento Predictivo basado en datos. Como equipo central en la logística de planta, una parada no planificada de la grúa genera costes de interrupción de producción que superan con creces el coste de la propia reparación. El sistema CMS actúa como una "caja negra" para la grúa: recopila datos operativos de los Componentes críticos las 24 horas, los analiza mediante Computación en el Borde y la nube, y emite alertas tempranas antes de que se produzca un Fallo, proporcionando una base cuantitativa para las decisiones de Mantenimiento.
En su práctica de ingeniería en el sector de la inteligencia de grúas, Kelude Industrias Pesadas ha implementado sistemas CMS de Monitoreo de Condición y Telemantenimiento para múltiples empresas manufactureras, cumpliendo con los requisitos de seguridad de los mecanismos de transmisión establecidos en la norma ISO 4301 / FEM 1.001 (referencia local equivalente a la norma ISO 4301 / FEM 1.001). Este artículo describe sistemáticamente la ruta de implementación del sistema CMS, desde la selección de Sensores y la arquitectura de adquisición de datos hasta la construcción de la Plataforma en la Nube y los algoritmos de alerta temprana.
Arquitectura del sistema CMS: cuatro capas del sensor a la nube
Un sistema CMS completo para grúas emplea una arquitectura coordinada de "extremo-borde-nube", estructurada en cuatro niveles: capa de sensores, capa de adquisición de datos, capa de Computación en el Borde y capa de Plataforma en la Nube. La capa de sensores despliega múltiples tipos de elementos de detección en puntos críticos de la grúa, incluyendo sensores de aceleración dinámica (tipo IEPE, Rango de Medición ±50g, respuesta de Frecuencia 0.5Hz~10kHz), Sensores de Temperatura (PT100 de platino, Precisión ±0.15°C), sensores de corriente de Efecto Hall (Rango de Medición ±100A, linealidad ≤0.1%), así como sensores auxiliares de velocidad de rotación y desplazamiento. La selección de los Sensores debe considerar la inmunidad a interferencias y la estabilidad a largo plazo en entornos industriales; todos los elementos de detección deben tener un Grado de Protección (IP) no inferior a IP65.
La capa de adquisición de datos utiliza un ADC Σ-Δ de 24 bits para la conversión analógico-digital de alta Precisión, con una frecuencia de muestreo de 51.2kS/s para cubrir el rango efectivo de Frecuencia de las señales de vibración, e incorpora un Filtro anti-aliasing hardware integrado (Frecuencia de corte 20kHz). La Unidad de adquisición multicanal sincronizada garantiza que la Desviación temporal entre canales no supere 1μs, asegurando la alineación temporal precisa para el posterior análisis de fusión de datos de múltiples fuentes.
Monitoreo de Vibraciones: selección del acelerómetro y umbrales ISO 10816
El Monitoreo de Vibraciones es el método con mayor densidad de información para el Diagnóstico de Fallas en Maquinaria rotativa. En aplicaciones de grúas, los Sensores de Vibración se instalan prioritariamente en tres puntos de medición críticos: el Soporte de Rodamiento del lado del Motor, el rodamiento del eje de alta velocidad del reductor y el soporte del Tambor. Se recomienda el uso de acelerómetros piezoeléctricos tipo IEPE (como el PCB 352C33), con una sensibilidad de 100mV/g, Rango de Medición ±50g, respuesta de Frecuencia 0.5Hz~10kHz, Temperatura Ambiente de trabajo de -54°C a 121°C y Alimentación Eléctrica mediante fuente de corriente constante ICP. El método de montaje preferente es la conexión rígida por espárrago (que ofrece la región plana más amplia en la función de transferencia), seguida de la fijación por base magnética, evitando el método de sonda manual.
La evaluación de vibraciones se basa en los umbrales de cuatro zonas definidos en la norma ISO 10816-3:2009 para Maquinaria de Clase I (Maquinaria rotativa con Potencia nominal entre 15kW y 300kW): Zona A "Buena" (≤1.8mm/s RMS), Zona B "Permisible" (1.8~4.5mm/s RMS), Zona C "Crítica" (4.5~11.2mm/s RMS) y Zona D "Peligrosa" (≥11.2mm/s RMS). En la práctica de ingeniería, Kelude Industrias Pesadas configura el sistema CMS para que, en los Componentes rotativos críticos de la grúa, la entrada en la Zona B active una alerta azul (seguimiento de tendencia), la entrada en la Zona C active una advertencia amarilla (programación de una ventana de mantenimiento) y la entrada en la Zona D active una alarma roja (parada inmediata).
Monitoreo de Temperatura y Corriente: evaluación de salud multidimensional
La temperatura es el "termómetro" de la salud de los equipos electromecánicos. El sistema CMS despliega Sensores de Temperatura PT100 de platino en los extremos de los devanados trifásicos del Motor, en el depósito de lubricación del reductor y cerca del forro de fricción del Freno. El Monitoreo de Temperatura continuo de los devanados del Motor puede detectar una tendencia anómala de aumento de temperatura entre 24 y 72 horas antes de un agarrotamiento del Rodamiento (la tasa de aumento suele pasar de los 0.5°C/h normales a 5~15°C/h). Un aumento continuo de la temperatura del Aceite Lubricante del reductor a menudo indica un engranaje anómalo o una falla en la lubricación; se establece un umbral de alarma cuando la temperatura del aceite supera la Temperatura Ambiente en +40°C o cuando la temperatura absoluta supera los 85°C. El Monitoreo de Temperatura del forro de fricción del Freno se utiliza para prevenir la degradación térmica del material de fricción causada por un arrastre prolongado del Freno.
El Monitoreo de Corriente es la ventana directa para detectar fallas eléctricas en el Motor. El sistema CMS instala sensores de corriente de Efecto Hall en el circuito principal del Motor para realizar un muestreo síncrono de alta velocidad (≥1kS/s) de las tres fases, calculando en tiempo real el desequilibrio entre fases, la tasa de distorsión armónica (THD) y la tendencia del valor eficaz de la Corriente. Se activa una alerta cuando el desequilibrio de Corriente entre fases supera el 5%, lo que puede indicar un cortocircuito entre espiras del devanado o un desequilibrio en el Voltaje de la Alimentación Eléctrica. Además, mediante la técnica MCSA (Análisis de Características de Corriente del Motor), se realiza un análisis de espectro FFT de la Corriente del estator para identificar las frecuencias características de barras rotas del rotor (bandas laterales (1±2s)×f₀), las frecuencias características de excentricidad del entrehierro y las frecuencias características de fallas en los Rodamientos, permitiendo un Diagnóstico temprano de fallas en el Motor.
Indicadores clave de rendimiento del CMS
Plataforma en la Nube y Telemantenimiento: visualización y decisiones basadas en datos
La Plataforma en la Nube constituye el núcleo analítico y de visualización del sistema CMS. Agrega los datos procesados por la capa de Computación en el Borde, los almacena en bases de datos de series temporales de alta densidad y los presenta a través de paneles de control web/móviles. La plataforma permite el Telemantenimiento, ofreciendo funciones como visualización en tiempo real de la velocidad de rotación, la temperatura y la vibración de los Componentes clave, gestión de la tendencia histórica de los Indicadores, y gestión del ciclo de vida de las alertas. A través del análisis de datos de la Plataforma en la Nube, los equipos de mantenimiento pueden identificar la degradación del rendimiento de los Componentes, optimizar los ciclos de lubricación del reductor y planificar las actividades de Mantenimiento basándose en la condición real del equipo, en lugar de intervalos fijos.
La integración de la Plataforma en la Nube también facilita la comparación del rendimiento entre múltiples grúas y plantas, permitiendo la identificación de mejores prácticas operativas y la detección temprana de problemas sistémicos. La arquitectura abierta de la plataforma permite la integración con sistemas ERP y CMMS existentes, sincronizando automáticamente las órdenes de trabajo de Mantenimiento generadas por las alertas del CMS, cerrando así el ciclo entre la Detección de fallos y su resolución.
Preguntas frecuentes sobre el sistema de monitoreo CMS para grúas
P: ¿Qué tipos de Sensores se utilizan comúnmente en un sistema CMS para grúas?
R: Los sistemas CMS para grúas suelen integrar varios tipos de Sensores: acelerómetros IEPE para el Monitoreo de Vibraciones en Rodamientos y reductores, Sensores de Temperatura PT100 para devanados de Motores y Aceite Lubricante, sensores de corriente de Efecto Hall para el análisis de la firma eléctrica del Motor, y sensores de velocidad de rotación para verificar la sincronización y detectar deslizamientos. La selección específica depende de los Componentes críticos a monitorear y del entorno operativo.
P: ¿Cómo mejora el CMS la fiabilidad de una grúa?
R: El CMS mejora la fiabilidad al proporcionar una visibilidad continua del estado de los Componentes. Al detectar cambios sutiles en las firmas de vibración, temperatura o corriente, el sistema puede identificar fallos incipientes, como desgaste de Rodamientos, desalineación o problemas de lubricación, mucho antes de que se conviertan en Fallos catastróficos. Esto permite planificar el Mantenimiento de manera proactiva, reduciendo el tiempo de inactividad no planificado y extendiendo la vida útil de la Maquinaria.
P: ¿Cuál es la diferencia entre el Monitoreo de Condición y el Mantenimiento Predictivo?
R: El Monitoreo de Condición es el proceso de recopilar y analizar datos para evaluar el estado actual de la Maquinaria. El Mantenimiento Predictivo es la estrategia que utiliza la información del Monitoreo de Condición para predecir cuándo es probable que ocurra un Fallo y programar el Mantenimiento justo antes de que suceda. En esencia, el Monitoreo de Condición es la herramienta de Detección que alimenta la estrategia de Mantenimiento Predictivo.
P: ¿Es necesario que el personal de mantenimiento tenga una formación especial para utilizar un sistema CMS?
R: Si bien los sistemas CMS modernos están diseñados con interfaces intuitivas, se recomienda que el personal de mantenimiento reciba formación sobre los principios básicos del análisis de vibraciones y la interpretación de tendencias de temperatura y corriente. Esta formación les permite comprender el significado de las alertas, validar los Diagnósticos y tomar decisiones de Mantenimiento informadas. Kelude Industrias Pesadas ofrece programas de formación específicos para el personal de las plantas que implementan sus sistemas CMS.
Arquitectura 4G/5G + Plataforma en la Nube: datos en la nube y telemantenimiento
R: Tras el procesamiento local de señales en la pasarela de Computación en el Borde, los datos estructurados se transmiten a la Plataforma en la Nube mediante redes inalámbricas 4G/5G. El protocolo de comunicación emplea MQTT (Message Queuing Telemetry Transport) como principal protocolo ascendente, con nivel de QoS 1 que garantiza la entrega al menos una vez; la sobrecarga del mensaje es de solo 2 bytes de cabecera fija, adecuado para escenarios de bajo ancho de banda en entornos industriales. Las instrucciones de control descendente se implementan mediante el modo solicitud/respuesta de MQTT para la configuración remota de parámetros y la actualización OTA del firmware. Para los equipos existentes que aún utilizan el bus de campo Modbus RTU, la pasarela perimetral realiza la adaptación del protocolo mediante la conversión de Modbus TCP a MQTT.
La pila tecnológica recomendada para la Plataforma en la Nube combina una base de datos de series temporales (InfluxDB o TDengine) con un broker de mensajería (EMQX o VerneMQ) y un panel de visualización (Grafana). La base de datos de series temporales está optimizada específicamente para la escritura y compresión de datos con marca de tiempo, alcanzando un rendimiento de escritura de hasta un millón de puntos por segundo en un solo nodo, con una relación de compresión de almacenamiento de 10~20:1. La plataforma implementa la función de Device Shadow, que permite almacenar en caché el último estado incluso cuando el dispositivo está desconectado, y sincroniza automáticamente al restablecerse la conexión. La arquitectura multiinquilino admite el aislamiento de permisos por niveles de empresa, taller y equipo, garantizando que los datos de detección de cada cliente sean estrictamente independientes.
Algoritmo de predicción de fallos: tres niveles progresivos del umbral a la inteligencia
El algoritmo de predicción de fallos del CMS sigue una estrategia progresiva de tres niveles: "alarma por umbral, predicción de tendencias y detección de anomalías mediante aprendizaje automático":
Nivel 1: Alarma por umbral — Se establecen umbrales absolutos basados en principios físicos y experiencia en ingeniería. Por ejemplo, las cuatro zonas de clasificación A/B/C/D del valor RMS de la velocidad de vibración según ISO 10816-3, las alarmas de temperatura del devanado del motor (clase de aislamiento B a 130 °C, clase F a 155 °C) y el desequilibrio de corriente trifásica del 5%. La ventaja de la alarma por umbral radica en su alta determinismo de respuesta y fuerte interpretabilidad; su desventaja es la incapacidad de capturar tendencias graduales y fallos compuestos.
Nivel 2: Predicción de tendencias — Se emplean métodos de análisis de series temporales para realizar análisis de pendiente por regresión lineal y evaluación de tendencias por media móvil sobre parámetros como el valor eficaz de vibración, temperatura y corriente. Cuando la pendiente de la media móvil de 7 días de un parámetro supera el umbral predefinido (por ejemplo, tasa de aumento diario de temperatura >2 °C/d), el sistema emite una "alerta de tendencia" incluso si el valor actual permanece dentro del rango seguro.
Nivel 3: Detección de anomalías mediante aprendizaje automático — Se utilizan algoritmos no supervisados como One-Class SVM o Isolation Forest para entrenar modelos sobre datos de condiciones operativas normales, marcando como anómalos los puntos de datos que se desvían de la envolvente de operación normal. Las características de entrada del modelo incluyen la distribución de energía por bandas de frecuencia del espectro de vibración, los componentes armónicos de la corriente y los gradientes de temperatura, conformando un vector de características de 32 dimensiones. El modelo se actualiza de forma continua cada 24 horas para adaptarse al envejecimiento natural del equipo.
| Detección Dimensión | Método tradicional manual Inspección | CMSEn línea Detección |
|---|---|---|
| Detección Frecuencia | 1Vez/Semana~Mes | Monitoreo continuo en línea(≥1kS/s) |
| Vibración Detección | Vibrómetro portátil, Evaluación subjetiva | aceleración triaxial, Análisis automático de espectro |
| Monitoreo de Temperatura | Pirómetro infrarrojo puntual, Instante puntual | PT100Adquisición continua, Análisis de tendencia |
| Corriente Análisis automático de espectro | pinza amperimétrica Inspección por muestreo | Trifásico Corriente Continuo Detección, MCSADiagnóstico |
| Alerta temprana de fallas | "Mantenimiento correctivo" | Alerta progresiva de tres niveles(Tendencia de umbrales ML) |
| Registro de datos | Registro en papel, Propenso a pérdida | Digitalización Almacenamiento, Respaldo en la nube |
▲ Comparativa: inspección manual tradicional vs. monitoreo en línea CMS
Preguntas frecuentes sobre el sistema de monitoreo de condición CMS
P: ¿Para qué tipos de grúas es adecuado desplegar el sistema de monitoreo de condición CMS?
R: El sistema CMS es aplicable al monitoreo de la transmisión en todo tipo de grúas puente, grúas pórtico y polipastos eléctricos. Es especialmente recomendado para equipos en posiciones críticas que operan de forma continua 24/7, como grúas de fundición o de metalurgia con capacidad de elevación ≥ 10t, así como para grúas integradas en líneas de producción continua donde una parada no programada para mantenimiento fuera de línea resulta inviable.
P: En el monitoreo de vibraciones del CMS, ¿cómo se traducen los cuatro niveles de alerta (A/B/C/D) de la norma ISO 10816-3 en decisiones de mantenimiento para grúas?
R: La zona A (≤1.8 mm/s RMS) indica un estado operativo normal. La zona B (1.8~4.5 mm/s) activa un aviso de atención en azul, programando el mantenimiento según el ciclo establecido. La zona C (4.5~11.2 mm/s) activa una alerta preventiva en amarillo, requiriendo una ventana de parada para inspección dentro de las 48 horas siguientes. La zona D (≥11.2 mm/s) activa una alarma en rojo, ordenando la parada inmediata de la grúa para diagnóstico.
P: En la solución de comunicación 4G/5G del CMS, ¿qué ventajas ofrece el protocolo MQTT frente a Modbus TCP para el envío de datos a la nube?
R: El protocolo MQTT se basa en un modelo de publicación/suscripción, con una cabecera de mensaje de solo 2 bytes, lo que reduce el ancho de banda utilizado en aproximadamente un 70% en comparación con el método de sondeo de Modbus TCP. Además, MQTT ofrece mecanismos como la calidad de servicio (QoS) por niveles, el mensaje de última voluntad (Last Will) y el mensaje retenido (Retained Message), lo que lo hace más adecuado para la conexión concurrente de un gran número de dispositivos y para una transmisión fiable en entornos de red inestables.
P: ¿Cuál es el periodo de retorno de la inversión (ROI) típico tras la implementación del CMS? ¿En qué aspectos se materializan los principales ahorros?
R: En proyectos típicos, el periodo de retorno de la inversión es de 12 a 18 meses. El ahorro se materializa en tres áreas principales: reducción de paradas no programadas en un 60%~80% (evitando pérdidas por interrupción de la producción), disminución del inventario de repuestos en un 30%~50% (pasando de un reemplazo basado en intervalos fijos a un reemplazo basado en la condición), y una reducción del tiempo de mantenimiento en un 40%~60% (gracias a una localización precisa de fallos que minimiza el tiempo de diagnóstico).
Referencias normativas: ISO 4301 / FEM 1.001 (diseño de grúas) | GB/T 36468.1-2018 - Aparatos de elevación. Procedimiento de inspección y mantenimiento. Parte 1: Reglas generales | GB/T 28264-2017 - Sistema de monitoreo y gestión de seguridad para aparatos de elevación | ISO 10816-3:2009 - Vibración mecánica. Evaluación de la vibración de la máquina mediante mediciones en partes no rotatorias. Parte 3
