DataMind AI™ detecta la degradación temprana del inyector de combustible en el camión de transporte CAT 793D
18 de diciembre de 2025
Visión general
DataMind AI™para flotas móviles se implantó en una gran explotación minera de carbón para supervisar continuamente los equipos móviles pesados en tiempo real y proporcionar información práctica sobre la salud de toda la flota.
Durante el funcionamiento rutinario, la flota generaba un volumen muy elevado de alarmas OEM. En una sola semana, se produjeron más de 650 alertas en todo el centro, incluidas más de 41 alertas críticas en un camión de transporte CAT 793D.
Esta saturación de alarmas redujo la eficacia de los equipos de Fiabilidad y Control del Estado. Se dedicaba mucho tiempo a investigar las alertas falsas y de poco valor, lo que dificultaba priorizar el riesgo mecánico real. Como resultado, el deterioro en fase temprana pero de gran impacto podría pasar fácilmente desapercibido.
Aplicando la fusión de sensores de IA con conocimientos mecánicos incorporados, DataMind AI™identificó un verdadero patrón de fallo oculto en el ruido. El sistema detectó una degradación temprana del inyector de combustible, que provocaba un desequilibrio de la combustión bajo una aceleración de alta carga.
Esto permitió una intervención proactiva semanas antes de una avería, evitando múltiples turnos de inactividad y garantizando la producción continua y la disponibilidad de la flota.
Metodología de diagnóstico de IA DataMind
Diagnósticos basados en IA en acción
La plataforma combina la fusión de sensores con el razonamiento mecánico integrado para analizar comportamientos operativos complejos en tiempo real.
En este caso, DataMind AI™analizó:
- Sensores del sistema de aire y escape: filtro de aire, presión de sobrealimentación, temperaturas de escape izquierda/derecha y delta de temperatura de escape (∆T)
- Sensores operativos: posición del acelerador, carga útil, régimen y carga del motor, velocidad de avance.
- Muestras de aceite.
- Órdenes de trabajo de mantenimiento.
Al integrar estas fuentes de datos, el modelo descartó las restricciones del flujo de aire y el mal funcionamiento del turbocompresor, identificando un patrón de desequilibrio de la combustión coherente con la degradación del inyector de combustible en una fase temprana.
Diagnóstico
- DataMind AI™detectó un delta de temperatura de escape constante superior a 100 °C entre las bancadas izquierda y derecha durante la aceleración a plena carga, un signo claro de desequilibrio en la combustión.
- Estos picos se alineaban con saltos rápidos del acelerador del 0% al 100% bajo carga máxima, lo que indicaba irregularidades relacionadas con el inyector bajo tensión.
- Las temperaturas del escape izquierdo alcanzaron los 750°C, todavía por debajo de los umbrales de los fabricantes de equipos originales, pero significativamente por encima de la media de la flota.
- Las lecturas de presión de sobrealimentación fueron inferiores a las esperadas para las mismas condiciones de carga, lo que corrobora aún más la pérdida de eficacia de la combustión de
. - No se registraron alertas de los OEM ni quejas de los operarios por esta anomalía, lo que subraya el valor de los diagnósticos basados en IA de
. - Se descartaron los fallos del turbocompresor y las fugas de aire mediante la validación de sensores cruzados, lo que redujo la causa raíz
a la degradación del inyector de combustible en una fase temprana.
Acciones recomendadas
- Realiza la inspección del inyector de combustible
- Realiza la prueba de desconexión del cilindro para aislar el cilindro afectado
- Inspecciona si hay fugas de aire: abrazaderas, juntas, mangueras
- Evaluar el rendimiento del turbocompresor
Diagnóstico y recomendaciones en el panelDataMind AI™
Acción y seguimiento
- Tras la alerta y el resumen de diagnóstico de DataMind AI™, el centro programó una inspección del sistema de inyectores.
- La recomendación basada en datos apoyó una respuesta precisa y proactiva, ayudando al equipo a evitar fallos reactivos y mantener la continuidad operativa.
Resultados
- Sin tiempos de inactividad imprevistos
- El fallo se identifica pronto, antes de que aparezcan los síntomas
- Mayor confianza en la visión de DataMind AITM
- La inspección planificada permitió una mejor coordinación de los recursos
Resumen
Este caso destaca cómo DataMind AI™permite la detección temprana y de alta confianza de fallos en equipos móviles de misión crítica.
Al identificar patrones ocultos que los sistemas tradicionales pasan por alto -y traducirlos en causas raíz claras y acciones
– la plataforma ayuda a los equipos mineros a mantener el tiempo de actividad, reducir el coste de mantenimiento y prolongar la vida útil de los componentes.
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.
