Desequilibrio de combustión detectado por DataMind AI™ en Komatsu 930E
20 de febrero de 2026
Visión general
DataMind AI™para Flotas Móviles se desplegó en una gran explotación minera para supervisar su flota de camiones de transporte, incluidas unidades Komatsu 930E, descubriendo fallos mecánicos que los sistemas OEM y la sobrecarga de alertas no habían detectado. En este caso, el fallo se originó en el sistema de aire y escape del motor.
En este caso, DataMind AI™descubrió un comportamiento anómalo de la combustión en tres cilindros del motor. A pesar de las recientes intervenciones mecánicas (sustitución de inyectores e intercambio de culatas), las temperaturas de los gases de escape seguían siendo inestables.
Es importante destacar que el cilindro 13 mostraba temperaturas de escape anormalmente bajas y erráticas, un signo claro de un posible mal funcionamiento del inyector o de una combustión incompleta, y sin embargo había pasado desapercibido.
El equipo ya había realizado intervenciones en los cilindros 6 y 7 sin darse cuenta de que el problema
se extendía más allá, ya que ninguna alerta del OEM había señalado el cilindro 13.
Gracias a la detección precoz y al razonamiento mecánico incorporado, DataMind AI™ayudó al equipo a comprender el alcance total del fallo, lo que permitió una intervención temprana e informada que evitó daños innecesarios y protegió la salud del motor.
Metodología de diagnóstico de IA DataMind
Conocimientos mecánicos incorporados
Mediante la fusión de sensores y el razonamiento mecánico incorporado, DataMind AI™analizó:
Señales del sistema de aire y escape: temperaturas de los gases de escape, diferencias de temperatura de los gases de escape, presión de sobrealimentación, restricción del filtro de aire
Señales operativas: carga del motor, posición del acelerador, RPM, carga útil
Registros de mantenimiento: sustitución de inyectores en los cilindros 6 y 7
- Datos de muestreo de aceite: niveles elevados de hollín
El sistema detectó irregularidades en la combustión de los cilindros 6, 7 y 13, incluido un comportamiento térmico irresoluto y caídas inesperadas de temperatura, especialmente en el cilindro 13.
Diagnóstico
- Cilindro 6: alcanzó un máximo de 580°C antes de la sustitución de la culata; disminuyó a ~530°C
- Cilindro 7: Alcanzó los 570°C; mostró una mejora mínima tras la reparación
- Incluso después de las reparaciones, las temperaturas de los gases de escape de los cilindros 6 y 7 seguían siendo elevadas, lo que indicaba que el motor seguía sin quemar el combustible correctamente.
- Cilindro 13: Presentó temperaturas de escape anormalmente bajas e inestables, bajando de ~474°C a ~370°C
Estos comportamientos térmicos sugerían una combustión incompleta y un mal funcionamiento del inyector. El cilindro 13 no había sido supervisado por el equipo del emplazamiento y, sin embargo, mostraba el signo más claro de problemas más profundos.
Acciones recomendadas
- Pruebas de funcionamiento del inyector en los cilindros 6, 7 y 13
- Inspección boroscópica de las culatas 6, 7 y 13
- Inspeccionar los lóbulos y los seguidores del árbol de levas
- Comprobar la precisión del sensor de temperatura del cilindro 13
- Realiza un muestreo de aceite de motor nuevo para evaluar la contaminación
Diagnóstico y recomendaciones en el panel DataMind AI™
Acción y seguimiento
Basándose en las recomendaciones de DataMind AI™, se marcó el cilindro 13 para su sustitución.
Tras la intervención, las temperaturas de escape se estabilizaron, validando el diagnóstico y resolviendo el desequilibrio de la combustión.
Resultados
- Cero tiempos de inactividad imprevistos
- Detección precoz del desequilibrio de la combustión, antes de que se produzcan daños
- Producción continua mantenida sin interrupción del motor
- Evitó reparaciones innecesarias sacando a la luz problemas ocultos
- Mejora de la confianza del equipo y de la precisión del diagnóstico
Resumen
Este caso pone de relieve cómo DataMind AI™proporciona una detección de fallos temprana y de alta confianza que los sistemas tradicionales de los fabricantes de equipos originales
pasan por alto.
Al analizar continuamente los datos de los sensores en directo y correlacionarlos con el comportamiento mecánico, la plataforma descubrió un fallo de combustión oculto, antes de que se disparara ninguna alerta.
El resultado: 190.000 dólares en reparaciones evitadas, 20 horas de producción ahorradas y cero paradas imprevistas.
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.
