Detección de problemas de lubricación de cojinetes en un compresor con DataMind AI™.
22 de junio de 2025
Visión general
En una importante mina de carbón, se instaló DataMind AI™para supervisar equipos críticos, incluidos compresores esenciales para las operaciones auxiliares de la planta. Tras el despliegue, el sistema detectó niveles anormales de vibración en el cojinete de transmisión de un compresor, muy superiores a los observados en unidades idénticas.
Mientras que las herramientas tradicionales podrían haber detectado un fallo genérico, DataMind AI™fue más allá: mediante diagnósticos basados en IA, identificó la causa subyacente: una fricción anormal probablemente derivada de problemas de lubricación. En lugar de recomendar la sustitución inmediata, el sistema guió un proceso estructurado de resolución de problemas que evitó el tiempo de inactividad y la intervención innecesaria.
Diagnóstico guiado por IA
- Fricción detectada: DataMind AI™detectó un ruido de fondo elevado y constante a altas frecuencias, un signo temprano de fricción en los cojinetes. El patrón sugería un problema relacionado con la lubricación.
- Verificación de la integridad del flujo: El sistema recomendaba comprobar las vías de flujo de grasa. El lugar confirmó que los puertos de entrada y purga estaban despejados, descartando la obstrucción como causa.
- Se identificó un desajuste en la cantidad: Los conocimientos de la IA llevaron a revisar el volumen de grasa aplicada. El equipo descubrió que sólo se habían utilizado 20 g, muy por debajo de los 50 g recomendados por el fabricante.
- Acción correctiva adoptada: Tras aplicar la cantidad correcta, los niveles de vibración descendieron significativamente, lo que validó que la lubricación estaba directamente relacionada con el problema.
Detección y análisis comparativo
Además de identificar el problema local, DataMind AI™comparó el rendimiento entre compresores similares:
Análisis del espectro: Reveló un ruido de fondo elevado consistente con fricción interna.
Análisis del espectro con ruido de fondo elevado
Vista comparativa: El rendimiento del compresor fue significativamente peor que el de sus homólogos con una carga similar
Compresor afectado
En comparación con el compresor no afectado
Correlación del evento de engrase: En lugar de disminuir, los niveles de vibración aumentaron después del engrase, lo que indica que la cantidad de grasa aplicada era potencialmente incorrecta e incoherente con la especificación requerida.
Tendencia RMS de la aceleración
Una comparación entre la cantidad de grasa registrada en la orden de trabajo y la recomendación del OEM reveló que sólo se aplicaron 20 g de grasa in situ, mientras que el OEM especifica 50 g.
Resolución
Gracias a DataMind AI™, el centro evitó la sustitución prematura y, en su lugar, optimizó el mantenimiento planificado. Los diagnósticos por capas del sistema -aprovechando su integración con las órdenes de trabajo para comparar el engrase real con las cantidades requeridas- permitieron a DataMindAI™ detectar errores humanos cotejando lo realizado con lo necesario. Esto permitió una investigación exhaustiva de la causa raíz.
La información en tiempo real también alineó a los equipos internos y externos en torno a los mismos datos, ayudando al equipo a mantenerse coordinado al tiempo que se minimizaban las interrupciones operativas.
Conclusión
DataMind AI™ofrecía algo más que alertas tempranas: proporcionaba una toma de decisiones estructurada y respaldada por datos. Al guiar a la planta a través de la detección de fricciones, la investigación de la causa raíz y la acción correctiva, el sistema permitió una planificación del mantenimiento más inteligente.
Como resultado, el centro evitó 5 horas de paradas imprevistas, ahorró aproximadamente 140.000 dólares y obtuvo una nueva claridad sobre la salud de los compresores, lo que pone de relieve el poder de la IA para mejorar la fiabilidad, reducir costes e impulsar un rendimiento industrial más inteligente.
Rellena el formulario para leer 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.
