DataMind AI™ detecta un fallo de lubricación en un ventilador de ventilación
2 de julio de 2025
Visión general
Razor Labs desplegó DataMind AI™para supervisar equipos giratorios críticos en una importante explotación minera de carbón con operaciones subterráneas, incluido un ventilador clave esencial para mantener el flujo de aire y garantizar unas condiciones de trabajo seguras bajo tierra.
En mayo de 2025, DataMind AI™detectó un aumento de la fricción de los cojinetes mediante un análisis multisensor, señalando el fallo de lubricación como causa principal. Inicialmente, el sistema clasificó la tendencia como Alarma y, posteriormente, la elevó a Crítica a medida que la situación empeoraba. Mediante el análisis multisensor, el sistema ayudó a aislar la causa mecánica: un aumento progresivo de los niveles de fricción en
que provocó un fallo de lubricación.
El equipo de la planta confirmó que el sistema de engrase automático del ventilador había funcionado mal: un cartucho de grasa atascado había impedido que el lubricante llegara a los rodamientos. Este fallo no se había detectado hasta que DataMind AI™señaló la tendencia. Basándose en esta información, el equipo volvió a engrasar manualmente los cojinetes y restableció la lubricación adecuada:
para evitar el desgaste prematuro de los cojinetes, el tiempo de inactividad imprevisto y la posible interrupción del flujo de aire.
Fan marcado como Crítico
Detección y diagnóstico
El análisis de fusión de sensores permitió a DataMind AI™distinguir los cambios mecánicos reales del ruido de funcionamiento. El ventilador funciona en condiciones fluctuantes -caudal, presión y carga del motor- que a menudo enmascaran los primeros signos de deterioro mecánico.
Sincronizando las señales de vibración, tacómetro y corriente del motor, junto con un análisis avanzado de las vibraciones mediante algoritmos de demodulación envolvente, el sistema aisló con seguridad el patrón de degradación e identificó su origen mecánico.
Entre las ideas clave figuran:
- El elevado nivel de ruido de alta frecuencia reveló una acumulación de fricción en fase inicial en el interior del cojinete
- Picos RMS de aceleración alineados con los cambios de carga operativa, lo que confirma la persistencia del estrés
- La demodulación avanzada de la envolvente aisló los impactos mecánicos subsuperficiales, identificando un patrón de fallo relacionado con la lubricación antes de que se intensificaran los daños superficiales
El filtrado en modo operativo reduce el ruido de las variaciones de carga y velocidad, permitiendo una clara visibilidad de la tendencia de deterioro subyacente.
Análisis de la demodulación de la envolvente
Análisis del espectro del cojinete NDE del ventilador
Resolución
Tras el engrase manual, el sistema registró una clara reducción de la vibración de los cojinetes. Esto validó el diagnóstico y eliminó la necesidad de sustituir prematuramente los cojinetes. El equipo evitó paradas no programadas, prolongó la vida útil de los componentes y restableció la ventilación segura, una función crítica en la minería subterránea.
Conclusión
Este caso demuestra el valor único de DataMind AI™para identificar problemas mecánicos ocultos que las inspecciones estándar pasan por alto. Al identificar la verdadera causa de la degradación relacionada con la fricción en el ventilador subterráneo, el sistema permitió una rápida resolución y evitó costosas interrupciones.
Rellena el formulario para descargar el estudio de caso completo
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.
