DataMind AI™ evita fallos en los motores de las cintas transportadoras detectando estrías ocultas en los cojinetes
25 de mayo de 2025
Visión general
En una gran mina de carbón, se instaló DataMind AI™para supervisar varios motores de accionamiento de transportadores, componentes críticos del proceso de manipulación de materiales de la mina. Poco después de la instalación, el sistema detectó un deterioro inicial en uno de los cojinetes del motor. Mientras que las herramientas de supervisión tradicionales lo reconocieron como un problema genérico de los cojinetes, DataMind AI™identificó la verdadera causa: estrías eléctricas, daños causados por fugas de corriente a través del cojinete.
Esta idea resultó crucial. Sin ella, el equipo podría haberse limitado a sustituir el cojinete, dejando sin resolver el problema eléctrico. Eso habría provocado fallos prematuros repetidos, costes de mantenimiento crecientes y un mayor riesgo operativo. En cambio, al abordar la causa subyacente, la planta pudo evitar daños recurrentes, prolongar la vida útil de futuros rodamientos y evitar tiempos de inactividad innecesarios.
Motor marcado como alarma:
Detección mediante fusión de sensores
Aislamiento del modo operativo
DataMind AI™aplicó la Fusión de Sensores -combinando datos de vibración, tacómetro y corriente del motor- para detectar fallos mecánicos en un entorno ruidoso y muy variable de la cinta transportadora. Al aislar los modos de funcionamiento constantes, el sistema filtró el ruido operativo causado por los cambios de carga, el tamaño del mineral o la dinámica de la cinta, reduciendo en gran medida los falsos positivos y garantizando que los aumentos de vibración reflejaran problemas mecánicos reales.
Detección de la Causa Raíz del Estriado
El análisis envolvente eliminó el ruido de alta frecuencia y reveló la degradación inicial de los rodamientos. Mientras que el espectro estándar mostraba un desgaste general, la demodulación de la envolvente dejaba al descubierto patrones de estrías distintivos, una forma de daño por descarga eléctrica en la superficie del rodamiento, lo que permitía un diagnóstico preciso de la causa raíz.
Retroalimentación y validación en tiempo real
Tras alertar al centro, el equipo sustituyó proactivamente el cojinete y resolvió un problema de conexión a tierra que se creía que había causado el daño.
DataMind AI™confirmó el éxito de la reparación en tiempo real:
- Los niveles de potencia de la demodulación del espectro bajaron de 43 ⟶ 0,8, validando la resolución.
- Se alargó la vida útil de los rodamientos y se evitó una avería.
Resolución
Al identificar la verdadera causa raíz -el estriado eléctrico-, DataMind AI™permitió a la empresa tomar medidas específicas que no sólo resolvieron el problema inmediato, sino que también evitaron futuros daños en los rodamientos.
Tras el diagnóstico basado en IA, el sistema emitió una alerta en tiempo real y posteriormente confirmó el éxito de la acción correctora. Como resultado, se prolongó la vida útil del rodamiento, se evitaron sustituciones innecesarias y se redujeron los costes de mantenimiento a largo plazo, sin interrumpir las operaciones.
Conclusión
DataMind AI™permitió a la empresa detectar un problema crítico en los cojinetes que los métodos convencionales no podían diagnosticar, descubriendo no sólo la degradación temprana, sino la causa raíz: el estriado eléctrico.
Al combinar la demodulación de la envolvente con la fusión avanzada de sensores, el sistema proporcionó un flujo de trabajo de diagnóstico completo: detección precoz, alerta clara y validación posterior a la reparación, todo ello en tiempo real.
Como resultado, el centro evitó 10 horas de paradas imprevistas, ahorró unos 191.000 $ en posibles pérdidas de producción, prolongó la vida útil de los rodamientos y evitó futuros fallos, mejorando la fiabilidad a largo plazo y reduciendo los costes de mantenimiento.
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.
