IA para grúas: anti-oscilación y mantenimiento predictivo
📋 Resumen clave
La aplicación de la IA en grúas ha evolucionado desde el simple control anti-oscilación hasta la planificación de trayectorias de izaje, el monitoreo de salud estructural, el mantenimiento predictivo y la gestión remota. Kelude, sobre plataformas de puente grúa birraíl de norma europea de 50 t a 300 t, integra no menos de 8 tipos de señales de estado, ejecuta el lazo cerrado de velocidad del carro y ángulo de oscilación de la carga con un ciclo de 50 ms, y mediante aprendizaje automático genera alertas de tendencia sobre frenos, reductores y cordones de soldadura de la viga principal. El mantenimiento predictivo transforma la reparación de emergencia en paradas planificadas y reduce el tiempo de inactividad no programado.
Los puentes grúa biviga de servicio pesado operan de forma continua en sectores como metalurgia, construcción naval, equipos pesados y prefabricados, con cargas muy variables y arranques y paradas frecuentes. La incorporación de la inteligencia artificial al sistema de control de la grúa no consiste en añadir cámaras o pantallas, sino en integrar la transmisión eléctrica, la respuesta estructural, la actitud de la carga y los datos de salud del equipo en una misma cadena de cálculo. En la fase de diseño es necesario verificar la estructura conforme a los requisitos de tensión admisible, rigidez y coeficiente de carga dinámica de la norma FEM 1.001 (especificación de diseño de grúa); la integración de funciones de monitoreo de seguridad y alerta inteligente debe cumplir además con el reglamento TSG 51-2023 de supervisión técnica de seguridad de aparatos de elevación en cuanto a registros de monitoreo, avisos de fallo y archivo del estado operativo.
Desde el punto de vista funcional, las aplicaciones de IA para grúas se dividen en tres grandes áreas.
Control de movimiento: resuelve la oscilación de la carga, el posicionamiento preciso y la elevación sincrónica de varios mecanismos.
Percepción visual: resuelve la evitación de obstáculos en los puntos ciegos del operador, la identificación de personas en la zona de trabajo y la detección de deformaciones en componentes estructurales críticos.
Gestión de salud: resuelve el desgaste de rodamientos, las picaduras en los dientes de engranajes, la degradación de la respuesta del freno y la identificación de grietas en soldaduras de la viga principal.
Kelude, en sus productos de doble viga estándar europeo, descompone estas tres capacidades en módulos verificables que se configuran según las condiciones de cada proyecto.
Control anti-oscilación con IA frente al control PID tradicional
El control anti-oscilación tradicional en puentes grúa se basa en conformación de entrada en lazo abierto o en un lazo cerrado de velocidad con PID. La conformación de entrada en lazo abierto es sensible a las variaciones de longitud de cable, y los parámetros del PID dependen de la puesta en marcha en sitio: si cambian la carga, la longitud de cable, la altura de elevación o la carga de viento, la oscilación residual reaparece con facilidad. El operador suele tener que esperar a que la carga se estabilice antes de realizar un descenso preciso, lo que afecta al ritmo de trabajo.
El control anti-oscilación con IA, mediante aprendizaje en línea o control predictivo por modelo, toma como entradas la posición del carro, la velocidad, la longitud de cable, la masa de la carga y el ángulo de oscilación, y calcula el siguiente comando de velocidad en decenas de milisegundos. Frente a un PID de parámetros fijos, el controlador de IA ajusta dinámicamente la aceleración y el momento de frenado según el estado actual de oscilación, reduciendo la dependencia de parámetros empíricos del operador.
El algoritmo anti-oscilación con IA que Kelude emplea en puentes grúa birraíl de norma europea de 50 t a 300 t puede interactuar con la interfaz de par del variador de frecuencia y las señales del encoder. La lógica de procesamiento se detalla en el desglose técnico del algoritmo de control anti-oscilación con IA. Durante la puesta en marcha se introducen en la tabla de parámetros los rangos de longitud de cable correspondientes a tres condiciones típicas —gancho vacío, media carga y plena carga— y el controlador interpola en línea, evitando que el sistema solo se adapte a una única carga.
En la práctica, la coordinación entre el mecanismo de elevación y el mecanismo de carro se completa en pocos segundos. La mejora del control anti-oscilación con IA se manifiesta en una menor amplitud de oscilación residual, menos correcciones secundarias del operador y una mayor suavidad durante el frenado. En algunos proyectos puede combinarse con medición visual de la posición del punto de izaje para lograr un control conjunto de anti-oscilación y posicionamiento.
Cabe señalar que el control anti-oscilación con IA no elimina el margen de seguridad mecánico. El cálculo estructural debe seguir cubriendo la combinación de carga dinámica de elevación, fuerza de inercia horizontal y carga de viento. El algoritmo de IA mejora la suavidad de manejo, pero no sustituye la verificación de resistencia.
Planificación de trayectorias y detección de obstáculos con visión artificial
En naves industriales de gran tamaño, la zona de operación de la grúa suele cruzarse con pasillos de personal, columnas, pilas de material y otros equipos. La medición láser de distancia o los topes mecánicos solo cubren posiciones fijas y no gestionan apilamientos temporales, vehículos en movimiento ni la entrada repentina de personas.
Mediante la fusión de visión artificial y LiDAR, el sistema construye un mapa tridimensional de rejilla de la zona de trabajo e identifica y sigue los obstáculos. La planificación de trayectoria con IA genera estrategias ejecutables de desaceleración, rodeo o parada según las dimensiones actuales de la carga, la altura del spreader, el límite de velocidad del carro y la distancia de frenado del puente. Frente a una distancia de seguridad fija, este enfoque permite diferenciar niveles de respuesta según el tipo de obstáculo.
La definición de la estrategia anticolisión debe considerar simultáneamente la disposición de la planta y el riesgo de exposición del personal. Puede combinarse con el método de estratificación de distancias descrito en distancia de seguridad anticolisión para grúas, incorporando las zonas de advertencia, desaceleración y parada de emergencia al PLC y al controlador de borde. La IA visual se encarga de proporcionar la posición y velocidad de los objetivos dinámicos, sin asumir directamente el circuito de parada de emergencia.
En el sistema eléctrico de sus puentes grúa birraíl de norma europea, Kelude conecta habitualmente el equipo de visión, el LiDAR y el radar de ondas milimétricas a una pasarela independiente, que a su vez se comunica con el control principal mediante EtherCAT o Profinet. Así se evita que los datos de vídeo ocupen la red troncal y se envían las posiciones de los objetivos como paquetes de datos en tiempo real a los módulos de anti-oscilación y planificación de trayectoria.
Es importante señalar que el reconocimiento visual se ve afectado por polvo, aceite, contraluz y vibración. En aplicaciones industriales deben preverse limpieza de lentes, iluminación auxiliar, grado de protección y sensores redundantes. Una sola cámara no puede ser el único criterio de seguridad para las personas; el circuito de seguridad sigue basándose en la parada de emergencia, los topes mecánicos y la alarma acústica y visual.
Machine learning aplicado a datos de vibración y temperatura en mantenimiento predictivo
El mantenimiento de grúas se ha basado tradicionalmente en el mantenimiento periódico y la reparación posterior al fallo. Cuando aparecen anomalías en reductores, frenos o soportes de rodamiento del tambor, ya suelen manifestarse como ruido evidente, aumento de temperatura o ruido anormal, y seguir operando puede agravar el daño.
El mantenimiento predictivo consiste en capturar series temporales de aceleración vibratoria, temperatura, corriente, estado de lubricación y número de ciclos, extraer características e introducirlas en un modelo de aprendizaje automático. El modelo determina si el estado actual se desvía de la línea base normal y proporciona el tiempo de vida útil restante o una ventana de mantenimiento recomendada.
Los datos de vibración permiten detectar fallos incipientes como descascarillado de rodamientos, desgaste en el engrane de engranajes, desalineación de ejes y aflojamientos. Los datos de temperatura permiten identificar aumentos localizados por arrastre del freno, lubricación deficiente o sobrecarga del motor. La señal de corriente refleja variaciones de carga, bloqueo de mecanismos y retardos en la aplicación del freno.
La fatiga a largo plazo de las soldaduras y la estructura de la viga principal es más compleja. Mediante galgas extensiométricas, emisión acústica o medición visual se obtienen variaciones de tensión local, y con algoritmos de regresión se identifican tendencias anómalas. Para los métodos de detección de grietas en soldaduras puede consultarse el enfoque técnico de detección de grietas en soldaduras de la viga principal. Kelude prevé interfaces de puntos de medición antes de la entrega de los componentes estructurales de doble viga estándar europeo, para facilitar la conexión posterior al sistema de monitoreo de salud estructural.
El mantenimiento predictivo no elimina por completo el mantenimiento periódico. Para piezas de desgaste como el forro de fricción del freno, sigue siendo necesaria la inspección cíclica según las indicaciones del fabricante. La predicción con IA es más adecuada para procesos de degradación lenta como el fallo incipiente de rodamientos, la propagación de picaduras en engranajes y tensiones anómalas en la estructura.
La calidad de los datos determina directamente la fiabilidad de la predicción. La posición de instalación de los sensores, la frecuencia de muestreo, la compensación de temperatura y la calibración de carga influyen en los resultados. En la fase inicial del proyecto es necesario realizar un aprendizaje de línea base en condiciones normales; de lo contrario, el modelo puede interpretar como anomalía una carga pesada normal.
| comparaciónElemento | ConvencionalPIDcontrol anti-oscilación | AIbucle cerradocontrol anti-oscilación | AIMantenimiento Predictivo |
|---|---|---|---|
| Objetivo principal | SupresióncargaOscilación | Supresión de oscilación combinada con posicionamientosistema de control | Detección anticipadatendencia de degradación |
| Señal de entrada | velocidad del carro、longitud de cable | velocidad del carro、longitud de cable、carga、Ángulo de oscilación、visiónPosición | vibración、temperatura、Corriente、Número de ciclos、Carga |
| Parámetroajuste | Ajuste manual、condición de operaciónAdaptabilidad limitada | aprendizaje en líneaO predicción por modelo，ParámetroAdaptativo | Entrenamiento base con aprendizaje automático，Evaluación de tendencias |
| Nivel de respuesta | transmisiónsistema de control | transmisiónsistema de controlMásPlanificación de Trayectoria | alarma、plan de mantenimiento、Puntuación de salud |
| Condiciones de implementación | Variador de FrecuenciaMásEncoder | BordeControladorMásSensor，visiónOpcional | SensorMáspuerta de enlace perimetralMásdatos históricosplataforma |
| Parcircuito de seguridadImpacto | No sustituyeMaquinariafinal de carrera | No sustituyeparada de emergenciaCon seguridadIdentificación | No sustituye la inspección periódica con desmontaje |
Monitorización de seguridad con IA y gestión remota de la salud para puentes grúa birraíl de norma europea
Los puentes grúa birraíl de norma europea exigen altos estándares de rigidez, nivel de ruido, monitorización de seguridad y consistencia en la fabricación. Los productos de Kelude Industrias Pesadas, con capacidades de 50 t a 300 t, están destinados principalmente a los sectores de equipos pesados, metalurgia, construcción naval y grandes prefabricados. Dado que la altura de elevación, la luz y la clase de funcionamiento varían considerablemente de un proyecto a otro, el sistema de IA debe personalizarse en cada caso.
En la implementación, lo habitual es instalar el equipo de computación en el borde dentro del armario eléctrico de la viga puente, recopilando datos del mecanismo de elevación, el mecanismo de carro, el mecanismo de traslación del puente, el Freno de Seguridad y los puntos de medición de la Viga Principal, entre otros. El equipo de borde realiza alarmas en tiempo real e inferencia ligera, mientras que los datos históricos se cargan a una plataforma local o en la nube. Cuando la red en sitio es inestable, el lado del borde sigue conservando los registros de operación más recientes.
La plataforma de gestión remota de la salud organiza los datos de múltiples grúas según un árbol de equipos, generando indicadores como el espectro de carga, el número de actuaciones del freno, la elevación de temperatura del Motor de Elevación y las tendencias de vibración del Reductor. El personal de gestión puede consultar la puntuación de salud y recibir avisos de mantenimiento programado. Para los equipos de doble viga estándar europeo, la plataforma también debe permitir la exportación del registro de operación, facilitando la gestión documental de supervisión de seguridad.
La configuración de las funciones de monitoreo de seguridad y alerta temprana inteligente debe abarcar aspectos clave como la Capacidad de Elevación, el par, la Altura de Elevación, la carrera, la velocidad, el estado del Freno y la protección por enclavamiento. Durante la puesta en marcha en sitio, se realiza la verificación funcional conforme a los requisitos de supervisión de seguridad técnica correspondientes. Kelude Industrias Pesadas ofrece calibración antes de la entrega, puesta en marcha conjunta en sitio y Capacitación de Operadores, garantizando que los módulos inteligentes mantengan límites claros respecto al circuito de seguridad original.
Desde el punto de vista de la aplicación práctica, los beneficios de la IA no se limitan a reducir fallos: también disminuyen los ajuste repetido del operador durante el posicionamiento preciso, reducen la carga operativa y mejoran la capacidad de percepción en turnos nocturnos o en entorno severo. Al construir un sistema de elevación inteligente, conviene consolidar primero el enclavamiento de seguridad y el control eléctrico básico, y después superponer las funciones de IA, evitando que los módulos inteligentes se conviertan en un nuevo punto único de riesgo.
Preguntas frecuentes
P: ¿Es obligatorio reemplazar el sistema de control eléctrico completo para reformar el control anti-oscilación con IA?
R: No necesariamente. En la mayoría de los proyectos se pueden conservar la Elevación principal, los variadores de frecuencia del carro y del puente, y los motores, añadiendo la unidad de medición inercial, la interfaz del Encoder y el Controlador de borde, con conexión en bucle cerrado a través de la interfaz de par o velocidad del Variador de Frecuencia. Kelude Industrias Pesadas evalúa el alcance de la reforma según la configuración de doble viga estándar europeo de 50 t a 300 t.
P: ¿Cuántos sensores se necesitan instalar para el mantenimiento predictivo?
R: Normalmente, al menos 4 puntos de medición combinados de vibración y temperatura, que cubren el Motor de Elevación, el Reductor, el Soporte de Rodamiento del tambor y la Estructura del carro; cuando hay más mecanismos, se puede ampliar a más de 12. También es necesario disponer puntos de captación de corriente, carga y estado del Freno. La ubicación de los sensores debe evitar el sistema de acceso para inspección y reparación, y la calibración de línea base se realiza según la condición de operación.
P: ¿Puede la Planificación de Trayectoria de izaje con IA evitar directamente a las personas?
R: Puede identificar personas y emitir alerta temprana, pero no debe ser el único medio de seguridad. En sitio siguen siendo necesarios el aislamiento físico, la Alarma Acústica y Visual, la parada de emergencia y los final de carrera mecánicos. El módulo de visión se ve afectado por polvo, contraluz y vibración, y puede producir fallos de identificación. La IA solo actúa como apoyo para la alerta temprana y la base de desaceleración.
P: ¿El algoritmo de control anti-oscilación ajusta con frecuencia la velocidad del carro y provoca choque mecánico?
R: El algoritmo optimizado limita la aceleración y el tirón, y establece una ventana de suavizado de velocidad, sin cambios bruscos en cada ciclo de control. Kelude Industrias Pesadas realiza la calibración antes de la entrega en condiciones de gancho vacío, media carga y plena carga, evitando vibraciones de alta frecuencia e impacto de frenado.
