Plataforma remota de operación y mantenimiento para puente grúa
La plataforma remota de operación y mantenimiento para puente grúa ya está en línea: monitorización en tiempo real en 120 talleres de 18 provincias. Como equipo más crítico para la manutención de materiales en talleres de industria pesada, el estado operativo del puente grúa incide directamente en el ritmo de producción y la seguridad del personal.
El puente grúa es el equipo más crítico para la manutención de materiales en talleres de industria pesada; su estado operativo afecta directamente al ritmo de producción y a la seguridad del personal. La operación y el mantenimiento tradicionales dependen de reparaciones reactivas tras fallos y de inspecciones periódicas con parada de máquina, lo que provoca una detección tardía de averías, una respuesta lenta en el suministro de repuestos y registros de inspección en papel, manteniendo los datos de salud del equipo en un estado de "caja negra". La plataforma remota de operación y mantenimiento para puente grúa, desarrollada de forma independiente por Kelude Industrias Pesadas, se ha puesto oficialmente en marcha recientemente. Hasta el cierre de esta edición, ya está conectada a 120 talleres industriales en 18 provincias, monitorizando en tiempo real el estado operativo de más de 300 puentes grúa y grúas pórtico. Se recopilan diariamente más de 2 millones de parámetros operativos, se han emitido más de 500 alertas tempranas de anomalías en los equipos y el tiempo de respuesta a fallos se ha reducido de 48 horas a 2,5 horas de media.
Este artículo aborda sistemáticamente la implementación técnica y el valor para la ingeniería de la plataforma remota de operación y mantenimiento desde cuatro dimensiones: diseño de la arquitectura de la plataforma, cadena de adquisición de datos, capacidad de diagnóstico remoto y resultados operativos reales.
Arquitectura general y cadena de adquisición de datos
La plataforma remota de operación y mantenimiento para puente grúa emplea una arquitectura híbrida de Computación en el Borde y análisis en la nube. En cada puente grúa se instala un terminal de adquisición de datos (DTU) que se comunica con el PLC de la grúa (serie Siemens S7-1200/1500) mediante los protocolos PROFINET o Modbus TCP. Este terminal lee parámetros operativos clave como la corriente del Motor de Elevación, la frecuencia de traslación del Puente y del Carro, el estado del Freno, las lecturas del Limitador de Sobrecarga y el estado de los Finales de Carrera, con una frecuencia de muestreo de 100 ms. Además, el DTU integra un Sensor de Vibración (acelerómetro triaxial, frecuencia de muestreo de 2 kHz), un Sensor de Temperatura (PT100, precisión ±0,5 °C) y un sensor de tensión del Cable de Acero (tipo galga extensiométrica, Rango de Medición de 0 a 500 kN), logrando la adquisición sincronizada de parámetros eléctricos y mecánicos.
El DTU transmite los datos cifrados a un gateway IoT industrial (desplegado en el nodo perimetral de la nave industrial donde se encuentra el puente grúa) a través de redes celulares 4G/5G. El gateway limpia, deduplica y alinea temporalmente los datos antes de enviarlos a la plataforma en la nube mediante el protocolo MQTT. La plataforma en la nube está alojada en servidores ECS de Alibaba Cloud, utiliza una base de datos de series temporales InfluxDB para almacenar los datos operativos de los equipos (período de retención de 180 días) y una base de datos relacional PostgreSQL para la gestión de activos, registros de mantenimiento y eventos de alarma. La plataforma admite la monitorización concurrente de hasta 5000 equipos, con una latencia de extremo a extremo media de 800 ms en la cadena de datos (desde la lectura del registro del PLC hasta la actualización de la interfaz en la nube). Todos los enlaces de comunicación están cifrados con TLS 1.3, cumpliendo con el nivel de protección clasificada de seguridad cibernética de Grado 2 según la norma IEC 60204-32.
Monitorización en tiempo real y sistema de alertas
La plataforma ofrece un sistema de alertas de cuatro niveles que cubre todo el ciclo de vida del equipo, desde la degradación de la salud hasta la parada de emergencia:
Nivel 1 — Alertas por umbral de parámetros: Para parámetros con umbrales definibles, como la corriente del motor, la Velocidad de Traslación o la temperatura del Freno, los operarios pueden configurar los límites superior e inferior y la duración en el panel de control. Por ejemplo, si la corriente del Motor de Elevación supera el 85% de su capacidad nominal durante más de 10 segundos, se genera automáticamente una alerta de sobrecarga. La tasa de falsas alarmas de las alertas por umbral se controla por debajo del 3% mediante un mecanismo de banda muerta configurable.
Nivel 2 — Alertas por análisis de tendencias: La plataforma realiza un análisis de regresión lineal sobre las tendencias a largo plazo de los parámetros clave. Se activa una alerta temprana cuando un indicador muestra una tendencia de deterioro continuo dentro de la ventana de tiempo configurada. Por ejemplo, si el tiempo de actuación del Freno aumenta progresivamente del 70% al 90% del rango del umbral, la plataforma lo clasifica como una alerta de degradación del rendimiento, incluso sin alcanzar el límite superior. La ventana de análisis de tendencias es ajustable a 7, 30 o 90 días, y la sensibilidad de la alerta se configura mediante el coeficiente de variación (CV).
Nivel 3 — Alertas por reglas de asociación: Basándose en una base de conocimiento experto de modos de fallo, la plataforma incluye más de 80 reglas de asociación para identificar características de fallos compuestos. Por ejemplo, si la corriente del Motor de Elevación presenta fluctuaciones anómalas, la temperatura del Freno aumenta rápidamente y la tensión del Cable de Acero oscila, todo ello simultáneamente, el sistema determina un desgaste excesivo de la zapata de freno y recomienda una parada para su reemplazo.
Nivel 4 — Alertas por detección de anomalías con IA: La plataforma incorpora un modelo de detección de anomalías no supervisada basado en Isolation Forest, que puntúa la anomalía de los parámetros operativos de alta dimensión del equipo. El modelo se entrena con 60 días de datos operativos históricos (tasa de aprendizaje 0,001, 100 árboles) y emite un resultado de -1 (anomalía) o 1 (normal) para cada punto de muestreo. El modelo de IA se actualiza incrementalmente cada 24 horas con los nuevos datos adquiridos. La puntuación F1 del modelo en el conjunto de prueba es de 0,87. Desde su implementación, la detección de anomalías con IA ha identificado de forma temprana 15 fallos incipientes que las alertas por umbral tradicionales no pudieron detectar, incluyendo picaduras en los dientes del Reductor (alerta 11 días antes), grietas en la jaula de rodamiento del motor (alerta 6 días antes) y deriva de las características del módulo IGBT del Variador de Frecuencia (alerta 3 días antes).
Los eventos de alarma generados por el sistema de cuatro niveles se clasifican en tres grados de severidad: Info (notificación informativa, enviada a la lista de mensajes de la aplicación móvil), Warning (advertencia, notificación push a través de la cuenta de servicio de WeChat y SMS) y Critical (crítico, enviado simultáneamente por WeChat, SMS y llamada de voz automática). Las estadísticas de los últimos 6 meses muestran que la tasa de verificación manual precisa para alertas de nivel Warning y superior alcanza el 82%, y la eficiencia diaria media de gestión de alertas por parte del personal de operación y mantenimiento ha mejorado 4,7 veces en comparación con el método tradicional de inspección.
Diagnóstico remoto y base de conocimiento experto
La plataforma de Telemantenimiento incorpora un mecanismo de diagnóstico remoto de fallos y un sistema de base de conocimiento experto. Cuando se genera una alarma, el personal de mantenimiento in situ puede enviar una solicitud de diagnóstico remoto con un solo clic desde la aplicación móvil. Los expertos técnicos del lado del servidor de la plataforma, mediante la reproducción de datos en tiempo real (que permite retroceder hasta 30 minutos antes de la alarma para revisar las curvas de variación de los parámetros), el análisis de correlación de eventos históricos (búsqueda de registros de tratamiento previos para fallos similares) y la entrada de vídeo en directo (cámara remota 4G, ajustada por el personal in situ hacia el área del fallo), pueden completar un diagnóstico preliminar remoto y proporcionar recomendaciones de tratamiento en 15 minutos.
La base de conocimiento experto ha acumulado más de 400 casos de tratamiento de fallos típicos de puentes grúa, clasificados en cuatro categorías principales: sistema eléctrico (Variador de Frecuencia, PLC, Freno, Final de Carrera, Enrollador de Cable — 124 casos), sistema mecánico (Reductor, Acoplamiento, Tambor, Polipasto, Gancho con polea — 156 casos), estructura de acero (deformación de la Viga Principal, desgaste del riel, grietas en el Testero — 58 casos) y Cable de Acero (rotura de alambre, desgaste, corrosión, fijación de extremo de cable, reemplazo del cable — 62 casos). Cada caso incluye la descripción del síntoma de falla, el modelo del equipo y las condiciones operativas, el procedimiento de diagnóstico, el plan de reparación, la Lista de Repuestos necesaria y la referencia de horas de trabajo. El personal de mantenimiento in situ puede utilizar la función de búsqueda de casos en la aplicación, introduciendo palabras clave del fallo (por ejemplo, "ruido anormal en la Elevación" o "error ERR12 en el Variador de Frecuencia"), y el sistema devuelve en 1 segundo los 5 casos más relevantes junto con el procedimiento de tratamiento estándar correspondiente.
El mecanismo combinado de diagnóstico remoto y base de conocimiento permite que aproximadamente el 65% de las fallas comunes (sobrecarga del motor, ajuste de holgura del Freno, desplazamiento del Final de Carrera, deriva de parámetros del Variador de Frecuencia, etc.) puedan ser resueltas de forma independiente por el personal de mantenimiento in situ bajo la guía remota de expertos, sin necesidad de esperar la llegada de un ingeniero del fabricante. El tiempo medio de reparación por fallo se ha reducido de las 8 horas tradicionales (incluyendo el tiempo de viaje del ingeniero) a 1,5 horas.
Planificación inteligente del mantenimiento y gestión de repuestos
La plataforma genera automáticamente un plan de mantenimiento diferenciado para cada puente grúa, basado en las horas de funcionamiento reales del equipo y el espectro de carga en condiciones de operación, sustituyendo el modelo tradicional de mantenimiento periódico fijo «talla única». El motor de programación del mantenimiento considera los siguientes factores de entrada: horas de funcionamiento acumuladas del equipo (leídas por el horómetro del PLC), porcentaje de tiempo en servicio con carga pesada (proporción de tiempo acumulado en que la corriente del motor de elevación supera el 70% de su capacidad nominal), frecuencia de arranques y paradas (número medio de arranques y paradas por hora del puente y del carro), temperatura y humedad ambiente (leídas desde los sensores ambientales del taller) y evaluación de la tendencia de desgaste del cable de acero y del freno (obtenida del módulo de alertas de tendencia).
El motor de programación genera un plan de mantenimiento de cuatro niveles: inspección diaria (la realiza el operador antes de cada cambio de turno; la plataforma envía una lista de verificación estandarizada de 22 puntos a través de la APP), inspección semanal (una vez por semana, incluye limpieza del riel guía, engrase de puntos de lubricación, verificación por muestreo del par de apriete de pernos, entre otros 18 puntos), inspección mensual (una vez al mes, incluye medición del juego del freno, medición del diámetro del cable de acero, muestreo del aceite lubricante del reductor, entre otros 15 puntos) e inspección semestral (cada seis meses, incluye reverificación de la alineación de ejes del acoplamiento, medición de la cota de carril, medición de la flecha de la viga principal, limpieza del armario eléctrico y apriete de bornes, entre otros 25 puntos). Tras completar cada tarea de mantenimiento, el personal de operación y mantenimiento confirma cada punto en la APP y sube fotografías del lugar; la plataforma archiva automáticamente todo como expediente digital de mantenimiento del equipo.
El módulo de gestión de repuestos está vinculado a la programación del mantenimiento: cuando se genera una tarea de mantenimiento, la plataforma identifica automáticamente los repuestos necesarios (como zapatas de freno, cable de acero, sellos, elemento filtrante, aceite lubricante, contactores, etc.), verifica si el inventario de repuestos en el taller de la grúa es suficiente y, si el stock está por debajo del nivel de seguridad, genera automáticamente una sugerencia de compra y la envía al departamento de compras. La alerta de repuestos insuficientes se activa con 7 días de antelación a la fecha de mantenimiento, dando tiempo suficiente para la comparación de precios y la entrega. Desde la puesta en marcha de este sistema, los retrasos de mantenimiento debidos a falta de repuestos se han reducido de una media de 4,5 veces al mes a 0,8 veces.
Preguntas frecuentes (FAQ)
P: ¿Es compatible la plataforma remota de operación y mantenimiento con puentes grúa antiguos sin interfaz PLC?
R: Sí, es compatible. Para puentes grúa antiguos con sistema de control por contactores y relés, Kelude ofrece una solución de captación de datos mediante sensores externos: instalación de un transformador de corriente en la línea de alimentación del motor (rango de medición 0~500 A, precisión 0,5), un sensor de proximidad en el freno (detección de estado de accionamiento/reposo) y un módulo de conversión de señal en los finales de carrera (conversión de contactos normalmente abiertos/cerrados a señal de contacto seco para el DTU). La solución de sensores externos garantiza un aislamiento eléctrico total respecto al equipo original, sin afectar a ninguna función del sistema de control ni del circuito de seguridad existentes. Según los requisitos de la norma GB/T 28264-2017 «Aparatos de elevación — Sistema de Monitoreo y Gestión de Seguridad», el sistema de monitoreo de seguridad no debe afectar a las funciones de seguridad del sistema de control original.
P: ¿Es estable la señal de comunicación 4G en el entorno metálico del taller?
R: La nave de estructura metálica y los equipos metálicos densos del taller de grúas ejercen un efecto de apantallamiento significativo sobre la señal inalámbrica. Las mediciones reales muestran que, en un taller típico de 30 m de luz y 20 m de altura, la intensidad de señal de la antena 4G instalada en el puente grúa fluctúa entre -85 dBm y -105 dBm, con una tasa de pérdida de paquetes de aproximadamente 1,5~3%. La plataforma resuelve este problema con dos medidas de redundancia: en primer lugar, el DTU incorpora doble ranura SIM y doble módulo (doble operador: Telecom + Mobile, con conmutación automática); si se pierde la señal de una tarjeta SIM, se conmuta automáticamente al otro operador en menos de 15 segundos. En segundo lugar, el DTU dispone de 16 GB de almacenamiento local integrado, capaz de almacenar en caché hasta 72 horas de datos operativos, que se reenvían automáticamente cuando se restablece la red, garantizando cero pérdida de datos. Las estadísticas de los 300 equipos desplegados muestran una tasa de transmisión continua de datos (incluido el reenvío) del 99,7%.
P: ¿Cuál es el plazo de implantación y el coste aproximado de la plataforma remota de operación y mantenimiento?
R: El plazo típico de implantación para la reforma de telemantenimiento de un solo puente grúa es de 3 a 5 días laborables (incluida la instalación del DTU, el cableado de sensores, las pruebas de comunicación y la configuración de la plataforma). Para grúas con interfaz PLC, el coste de hardware (DTU + sensores + antena + cableado) es de aproximadamente 380~640 € por unidad; para grúas antiguas sin interfaz PLC, con la incorporación de sensores externos, el coste de hardware es de aproximadamente 640~1020 € por unidad. La cuota de servicio de la plataforma se factura anualmente e incluye el despliegue en la nube, el almacenamiento de datos (ventana móvil de 180 días), el envío de alertas (canales ilimitados) y el servicio de diagnóstico remoto; la cuota anual por puente grúa es de aproximadamente 190~380 €. Según los datos de uso de los clientes, la plataforma remota de operación y mantenimiento puede reducir el tiempo de inactividad no programado de los puentes grúa en aproximadamente un 60%; considerando una pérdida de producción de 640~2540 € por hora por puente grúa, el período de recuperación de la inversión suele ser de 3 a 6 meses.
P: ¿Cómo se garantiza la seguridad de los datos de la plataforma? ¿Existe riesgo de fuga de los datos operativos del cliente?
R: Desde la fase de diseño, la plataforma sigue tres principios de seguridad de datos: recopilación mínima (solo se recopilan parámetros operativos del equipo; no se capturan imágenes de vídeo ni datos de comportamiento del personal), uso compartido bajo demanda (el cliente puede configurar de forma autónoma el alcance del uso compartido de datos — puede abrir únicamente los eventos de alarma al servidor sin compartir el conjunto completo de datos operativos) y aislamiento de datos por cliente (los datos de cada cliente se almacenan de forma independiente en la nube, mediante aislamiento físico de base de datos en arquitectura multiinquilino, sin recurrir al aislamiento por vistas lógicas). La plataforma ha obtenido la certificación ISO 27001 del sistema de gestión de la seguridad de la información de Alibaba Cloud y el cifrado de datos con presentación de nivel 2 de protección de seguridad. Los datos del cliente se utilizan exclusivamente para el servicio de diagnóstico remoto dentro del alcance autorizado por el cliente, y no se emplean para ningún análisis comercial ni entrenamiento de modelos de IA.
