DataMind AI detecta holguras estructurales y una grieta en el bastidor del compresor antes de que se produzca un fallo grave
20 de agosto de 2026
Visión general
DataMind AI™se implementó en una gran explotación minera de carbón para supervisar de forma continua y en tiempo real un compresor crítico.
Durante un periodo de seis meses, DataMind AI™detectó un patrón de vibración anómalo que indicaba un problema estructural en desarrollo. En lugar de limitarse a señalar un nivel elevado de vibraciones, el sistema analizó cómo cambiaba el comportamiento vibratorio del compresor en distintas condiciones de funcionamiento. Este análisis más detallado reveló un patrón compatible con una holgura estructural, lo que llevó al equipo de la planta a centrar la atención en la estructura de la máquina y los cimientos como posibles causas del problema.
A medida que la situación empeoraba, DataMind AI™detectó un aumento significativo de la gravedad, lo que llevó a la planta a realizar una inspección específica. Durante ese mismo periodo, las inspecciones rutinarias de vibraciones siguieron indicando que el compresor funcionaba correctamente.
La inspección confirmó el diagnóstico: los tirantes de fijación de los cimientos estaban sueltos y había una grieta visible en el bastidor del compresor.
La detección temprana permitió que la planta solucionara el problema estructural antes de que se convirtiera en un fallo grave, lo que hizo que las reparaciones se pudieran hacer durante una parada de mantenimiento programada, en lugar de tener que hacer una parada de emergencia.
Lo que ha detectado DataMind AI
DataMind AI detectó un fallo estructural incipiente analizando no solo la intensidad de la vibración, sino también cómo cambiaba el patrón de vibración en función de las distintas condiciones de funcionamiento del compresor.
La combinación de estos patrones de vibración cambiantes y el análisis del espectro de frecuencias apuntaba a una falta de sujeción estructural, en lugar de indicar simplemente un aumento de la vibración. Esto permitió que DataMind AI proporcionara al equipo de mantenimiento un diagnóstico específico y recomendaciones de inspección concretas.
Tendencia de la velocidad RMS que muestra los cambios en la intensidad de la vibración en diferentes condiciones de funcionamiento, incluyendo un aumento de aproximadamente 1,5 mm/s a 6,0 mm/s.
Análisis del espectro de frecuencias que muestra un aumento en el componente dominante de 1× la velocidad de carrera, lo que aporta más pruebas que concuerdan con la presencia de holgura estructural.
A partir de estos resultados, DataMind AI recomendó:
- Relación entre la vibración y la presión de aspiración, la presión de descarga y la temperatura
- Revisión de los cimientos del compresor y de los elementos de fijación
- Realización de pruebas de amplificación de movimiento (MA) y/o pruebas ODS/modales para evaluar la integridad estructural
Confirmación y resolución
Tras el deterioro detectado por DataMind AI, el equipo de mantenimiento llevó a cabo una inspección física específica de la estructura y los cimientos del compresor.
La inspección confirmó que los pernos de fijación de los cimientos estaban sueltos y que había una grieta visible en el bastidor del compresor, lo que corroboró el diagnóstico de inestabilidad estructural. Así que en la planta pudieron solucionar el problema estructural subyacente durante una parada de mantenimiento programada, antes de que se convirtiera en un fallo grave del compresor.
Conclusión
Este caso demuestra lo útil que es ir más allá de los umbrales de vibración convencionales y pasar al diagnóstico de averías basado en la IA.
DataMind AI detectó el deterioro que se estaba produciendo, analizó su comportamiento en condiciones de funcionamiento variables y diagnosticó signos compatibles con un aflojamiento estructural, mientras que las inspecciones rutinarias de vibraciones seguían indicando que el compresor estaba en buen estado.
Al traducir un comportamiento complejo de las vibraciones en un diagnóstico concreto y recomendaciones de mantenimiento específicas, la IA de DataMind permitió a la planta detectar unos pernos de fijación sueltos en los cimientos y una grieta en el bastidor del compresor antes de que se produjera un fallo grave.
Rellena el formulario para descargar el estudio de caso
Don’t let the next failure go undetected.
Explore 50+ real-world case studies showing how DataMind AI saves mining operations millions — or book a live demo to see it in action.
