Degradación del núcleo del radiador detectada por DataMind AI en Komatsu 930E
14 de abril de 2026
Los fallos del sistema de refrigeración de los camiones de gran tonelaje pueden provocar graves daños en el motor, costosas reparaciones y prolongados tiempos de inactividad no planificados. Para mitigar estos riesgos, DataMind AI supervisa continuamente las temperaturas del refrigerante del motor, las temperaturas del aceite, los resultados de los análisis del refrigerante y los registros de mantenimiento, lo que permite la detección precoz de la degradación térmica antes de que se convierta en un fallo.
En este caso, DataMind AI identificó un rendimiento de refrigeración anómalo en un Komatsu 930E, en el que la temperatura del refrigerante del motor superó repetidamente el umbral de alerta alta de 90,56 °C y la temperatura del aceite del motor tendió cerca del límite de alerta de 104,4 °C durante varias semanas. A pesar de estas señales térmicas de alerta, los análisis del refrigerante arrojaron resultados normales, descartando la degradación o contaminación del fluido. Los registros de mantenimiento no mostraban trabajos o eventos relacionados registrados durante este periodo, por lo que el problema era invisible para las rutinas de inspección periódica.
Al correlacionar el aumento de la temperatura telemétrica con el análisis normal del refrigerante y la ausencia de actividad de mantenimiento, DataMind AI determinó que la causa principal era la saturación o el fallo de los núcleos del radiador, con una posible restricción en los circuitos del refrigerador de aceite del motor. Un hito de servicio de 5000 horas recientemente completado corroboró aún más que era necesario sustituir el radiador.
Basándose en el diagnóstico precoz, el equipo de la planta inspeccionó y limpió los núcleos del radiador y del enfriador de aceite y verificó las necesidades de sustitución antes de que el problema se agravara. La operación evitó unos 85.000 dólares en costes de reparación y 3 días de paradas imprevistas, lo que demuestra el valor de la supervisión térmica continua basada en IA.
Resumen de resultados
$85,000
ahorrado3 Días de inactividad imprevista evitados
Conclusión
Aumento de la temperatura del refrigerante y del aceite por encima de los umbrales de alerta
Núcleos de radiador saturados al final de su vida útil
Evita daños en el motor por sobretemperatura sostenida
Rellena el formulario para descargare 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.