TFMMG

UNIVERSIDAD DE MURCIA
FACULTAD DE QUÍMICA
Gestión Integrada del Mantenimiento y la Energía

para la Prevención de Fallos en Equipos de Plantas
de Proceso
D. Fernando Manuel Martínez García

2015
UNIVERSIDAD DE MURCIA
FACULTAD DE QUÍMICA
Gestión Integrada del

Mantenimiento y la Energía para
la Prevención de Fallos en Equipos
de Plantas de Proceso
D. Fernando Manuel Martínez García

2015
Agradecimientos
En primer lugar, agradecer a mis dos directores de tesis, Félix C. Gómez y
Mariano Alarcón, toda la ayuda, paciencia y soporte que me han brindado durante
estos cuatro largos años.
En segundo lugar agradecer a mi familia su comprensión por el tiempo

“robado” durante estos años, sobre todo, a mi esposa, amiga y madre de mis tres
soles. En estos cuatro años hemos visto crecer a nuestro príncipe hasta
convertirse en el rey de la casa, y hemos visto nacer, con mucho esfuerzo, a
nuestras dos princesas. Todo el tiempo robado a mi familia para la elaboración de
esta tesis, prometo devolvérselo con creces y disfrutar con ellos todo lo que no he
podido hacer en estos años de duro trabajo.
Y por último, dedicar este trabajo a las tres personas que han estado
siempre a mi lado apoyándome, a mi hermana y especialmente a mis padres, sin
sus esfuerzos, su tesón, su paciencia, sus consejos y, ante todo, los valores que me
inculcaron desde pequeño, esto no habría sido posible. Os quiero.
Cariño, a ti y a mis tres soles, os quiero más que a nada en el mundo.
‘El éxito depende del esfuerzo’

(Sófocles)
Noviembre 2015 Página 1

Contenido
Índice de Figuras ................................................................................................... 6
Índice de Tablas ................................................................................................... 11
Resumen .............................................................................................................. 13
Abstract ………………………………………………………………………………………………………….16
Nomenclatura ..................................................................................................... 19
1 Introducción y Objetivos……………………………………………………………………..23
1.1 Introducción ............................................................................................. 23
1.2 Objetivos de la Tesis ................................................................................. 27
2 Fundamentos del Mantenimiento Industrial y los Sistemas de Gestión de
la Información…………………………………………………………………………………………………30
2.1 Antecedentes históricos del Mantenimiento Industrial .......................... 30
2.2 La situación del Mantenimiento en la Industria Actual. .......................... 33
2.3 Mantenimiento Predictivo Mediante el Análisis de Vibraciones ............. 35
2.3.1 Fundamentos de las Vibraciones Mecánicas........................................ 36
2.3.1.1 Vibración mecánica............................................................................... 37
2.3.1.2 Amplitud de la vibración. ...................................................................... 38
2.3.1.3 Frecuencia de la vibración. ................................................................... 39
2.3.1.4 Periodo de la vibración. ........................................................................ 39
2.3.1.6 Vibración libre....................................................................................... 40
2.3.1.7 Vibración forzada .................................................................................. 40
2.3.1.8 Grados de libertad de un sistema......................................................... 41
2.3.1.9 Modos de vibración. ............................................................................. 42
2.3.1.10 Frecuencia natural o propia.................................................................. 42
2.3.1.11 Frecuencia de excitación. ..................................................................... 42
2.3.1.12 Resonancia. ........................................................................................... 43
2.3.1.13 Nodo. .................................................................................................... 44
2.3.2 Técnicas de análisis de vibraciones ...................................................... 44

2.3.2.1 Medida de Severidad de la vibración ................................................... 44
2.3.2.2 Análisis modal. ...................................................................................... 45
2.3.2.3 Diagrama de Bode. ............................................................................... 50
2.3.2.4 Espectro de frecuencias ........................................................................ 51
2.3.2.5 Mapa espectral. .................................................................................... 55
2.3.2.6 Diagrama de evolución de armónicos. ................................................. 56
2.3.2.7 Técnicas para el análisis de rodamientos ............................................. 58
2.4 Fundamentos de los Sistemas de Gestión de la Información .................. 58
2.4.1 ERP ........................................................................................................ 59
2.4.2 DCS y SCADA ......................................................................................... 63
2.4.3 MES ....................................................................................................... 66
2.4.4 BI ........................................................................................................... 68
3 Estado del Arte……………………………………………………………………………………70
3.1 Industria 4.0.............................................................................................. 71
3.1.1 Bases de la Industria 4.0 ....................................................................... 73
3.1.2 Internet Industrial de las Cosas (I2OT) ................................................. 74
3.1.3 Sistemas Ciberfísicos (CPS) ................................................................... 75
3.1.4 Big Data ................................................................................................. 76
3.1.5 Situación actual de la Industria 4.0....................................................... 77
3.1.6 Aplicabilidad a la Industria de Síntesis Química. .................................. 79
3.1.7 Takasago como ejemplo (Fábrica de El Palmar – Murcia).................... 83
3.2 Asignación de Estados Funcionales. Estado del Arte ............................... 92
3.3 Gestión Dinámica de Intervalos de Medición. Estado del Arte .............. 94
3.4 Que es la Monitorización. Estado del Arte ............................................... 97
4 Evaluación y Categorización del Estado Funcional de Equipos
Rotativos……………………………………………………………………………………………………….102
4.1 Parámetros de Estado Funcional (PSF)................................................... 103
4.2 Metodología del Trabajo ........................................................................ 108
4.3 Asignación de Estados Funcionales ........................................................ 113
4.4 Procedimiento de Trabajo ...................................................................... 118
4.5 Integración en los Sistemas de Información .......................................... 123
4.5.1 Ejemplo de aplicación en Procesos de Síntesis Química .................... 123
4.5.2 Ejemplo de aplicación en Destilación a Vacío .................................... 124
4.5.3 Ejemplo de aplicación en la Planificación de la Producción ............... 125
4.5.4 Ejemplo de Aplicación en la Gestión del Mantenimiento .................. 127
4.6 Conclusiones........................................................................................... 131
5 Gestión Dinámica de Intervalos entre Medidas en Sistemas de
Mantenimiento Predictivo basados en Criticidad…………………………………………..133
5.1 Criterio de Criticidad .............................................................................. 134
5.2 Cálculo de la Criticidad ........................................................................... 137
5.3 Categorización de los criterios ............................................................... 138
5.4 Cálculo de las consecuencias del fallo.................................................... 143
5.4.1 Determinación del peso relativo de los criterios................................ 144
5.4.2 Grados de criticidad de los criterios ................................................... 145
5.4.3 Cálculo de las Consecuencias del Fallo ............................................... 148
5.5 Matriz de Criticidad ................................................................................ 149
5.6 Intervalos entre Medidas ....................................................................... 151
5.7 Implementación del Sistema .................................................................. 153
5.7.1 Descripción de los equipos ................................................................. 153
5.7.2 Situación de partida ............................................................................ 158
5.7.3 Situación actual................................................................................... 159
5.8 Procedimiento de Trabajo ...................................................................... 167
5.9 Conclusiones........................................................................................... 168
6 Monitorización de Equipos Críticos Mediante Indicadores Eléctricos y
Mixtos ………………………………………………………………………………………………………….169
6.1 Monitorización mediante Analizadores de Redes ................................. 170
6.2 Estructura del Sistema. Ejemplos de Detección Prematura de Fallos ... 179

6.2.1 Detección de Fallo a través de la Desviación del valor las Intensidades
por Fase……. ...................................................................................................... 181
6.2.2 Detección de Fallo a través de la Ratio Variable de Operación vs
Variable Eléctrica .............................................................................................. 184
6.2.3 Detección de Fallo a través la Ratio Variable de Proceso vs Variable
Eléctrica 189
6.3 Conclusiones........................................................................................... 192
7 Conclusiones y Trabajos Futuros……………………………………………………….194
7.1 Conclusiones........................................................................................... 194
7.2 Trabajos Futuros ..................................................................................... 196
Bibliografía ........................................................................................................ 198

Índice de Figuras
Figura 1.1. Sistema de Gestión de Empresa Moderna
Figura 1.2. Vista de Takasago (TICSA)
Figura 2.1. Línea de producción en cadena en la fabrica Ford
Figura 2.2. Ingeniero Seiichi Nakajima, padre de la filosofía TPM
Figura 2.3. Resumen de la significación de las cinco eses de la filosofía “5S”
Figura 2.4. Representación de una vibración armónica
Figura 2.5. Representación de un agitador rígido con movimiento permitido

solamente en plano XY
Figura 2.6. Representación de un pistón moviéndose por un cilindro y limitado con

muelle de constate elástica K
Figura 2.7. Representación de un carrito con ruedas de masa m que se mueve por
el suelo horizontal y sujeto a una pared mediante un muelle con constante
elástica k.
Figura 2.8. Representación de una vibración libre no amortiguada
Figura 2.9. Representación de la vibración libre de un sistema críticamente

amortiguado, sobreamortiguado, y subamortiguado.
Figura 2.10. Descomposición/composición de una señal vibratoria en/a través de

un conjunto de señales armónicas.
Figura 2.11. Ejemplo de diagrama de Bode.
Figura 2.12. Representación de la descomposición de una señal temporal de

vibración en sus señales sinusoidales constituyentes y elaboración del espectro de
frecuencias correspondiente
Figura 2.13. Representación de un sistema mecánico formado por una bomba

centrífuga y un motor de 1450 rpm

Figura 2.14. Espectro de vibración del equipo supuesto en la figura 2.14
Figura 2.15. Ejemplo de mapa espectral
Figura 2.16. Ejemplo de obtención de un diagrama de evolución de armónicos a

partir de un mapa espectral
Figura 2.17. Esquema Básico de un Sistema de Gestión de la Información
Figura 2.18. Estructura Básica de un ERP.
Figura 2.19. Cuota de Mercado ERPs
Figura 2.20. Pantalla de Control en SCADA
Figura 2.21. Esquema de Control de DCS
Figura 2.22. Pantallas HMI
Figura 2.23. Interacción Sistema MES
Figura 2.24. Niveles de Automatización segun ISA 95
Figura 2.25. Niveles ISA 95 vs Aplicación Informática
Figura 2.26. Cuadro de Mandos BI (Balance Scorecard)
Figura 3.1. Esquema Industria 4.0
Figura 3.2. Cronología de Las Revoluciones Industriales
Figura 3.3. Internet de las Cosas (IOT)
Figura 3.4. Sistemas Ciberfísicos
Figura 3.5. Imagen de las gafas inteligentes de SAP
Figura 3.6. Sistemas de Gestión de la Información Implantados en Takasago
Figura 3.7. Pantalla Control DCS
Figura 3.8. Pantalla Gestión Alarmas
Figura 3.9. Pantalla “Test de Fugas 401 y 402”

Figura 3.10. Pantalla MES Estados Equipos Producción
Figura 3.11. Pantalla MES Estados Equipos Auxiliares
Figura 3.12. Pantalla MES Estados Tanques Materia Prima
Figura 3.13. Pantalla Preactor APS
Figura 3.14. Infraestructura Monitorización
Figura 4.1. Estándar ISO 10816-1. Vibration general guidelines.
Figura 4.2. Ejemplo de código para la designación de un pdm.
Figura 4.3. Designación y localización de los pdm de un equipo motor-bomba.
Figura 4.4. Procedimiento de asignación de estados funcionales y efectos.
Figura 4.5. Tabla de asignación de grados paramétricos.
Figura 4.7. Cálculo del estado funcional de una unidad de vacío.
Figura 4.8. Ejemplo de Informe de Seguimiento
Figura 4.9. Ejemplo de Orden de Trabajo (OT) en Nav (ERP)
Figura 4.10. Hoja de Control (HC)
Figura 4.11. Tabla de Estados (TE)
Figura 4.12.Cuadro de Mandos Gestión Din. Int. y Estados
Figura 4.13. Pantalla DCS Batería de Reactores
Figura 4.14. Pantalla DCS Destilador a Vacío
Figura 4.15. Pantalla MES Control de Producción
Figura 4.16. Pantalla ERP. Planificación a Corto Plazo (APS- MRPII)
Figura 4.17. Evolución del Estado Funcional de los Equipos de la Nave B
Figura 4.18. Evolución del Estado Funcional Global de la Nave B

Figura 4.19. Grafico de araña de estado global de equipos por planta
Figura 4.20. Grafico de araña de estado global de equipos por tipo de máquina
Figura 5.1. Motor-Bomba de anillo líquido y puntos de medida
Figura 5.2. Motor-Bomba Roots y puntos de medida
Figura 5.3. Equipos de Agitación de Destilador y puntos de medida
Figura 5.4.Motor-Compresor rotativo del Equipo de Frío y puntos de medida
Figura 5.5.Motor-Bomba Centrifuga del Equipo de Frío y puntos de medida
Figura 5.6.Distribución de Equipos según su Criticidad
Figura 6.1.Pantalla de Control DCS (Wonderware – Intouch)
Figura 6.2.Pantalla Control Parámetros Operación (Wonderware – Historian)
Figura 6.3.Pantalla Control Parámetros Aguas Vertido EDARI
Figura 6.4. Pantalla Control Parámetros Reacción de Hidrogenación
Figura 6.5. Pantalla Control Alarmas
Figura 6.6.Pantalla Control Parámetros Eléctricos (EMS)
Figura 6.7.Pantalla Control Consumo y Factor de Potencia (EMS)
Figura 6.8.Pantalla Control Potencia Utilities (EMS)
Figura 6.9.Pantalla Control Distribución Consumos (EMS)
Figura 6.10.Pantalla Control Intensidad Instantánea (EMS)
Figura 6.11.Estructura Sistema Seinon
Figura 6.12.Monitorización Intensidad por Fase en Bomba
Figura 6.13. Zoom Monitorización Intensidad por Fase en Bomba
Figura 6.14. Resultado Análisis Desequilibrio en Bomba
Figura 6.15.Potencia Consumida Instalación Bombeo meses Junio y Julio

Figura 6.16.Valor “Equipos en Funcionamiento” y Ratio Kw/EF
Figura 6.17.Curva de Carga en Vacio de la Instalación y Valores Límite
Figura 6.18.Valor “Equipos en Funcionamiento”, Ratio Kw/EF y Valores Límite
Figura 6.19.Ejemplo de Desgaste en el Rodete de Bomba
Figura 6.20.Ejemplo de Desgaste en Rodamientos

Índice de Tablas
Tabla 4.1. Grados paramétricos.
Tabla 4.2. Estados funcionales del equipo
Tabla 4.3. Protocolo de Actuación
Tabla 4.4. Estados Funcionales Equipos D-71 y D-72.
Tabla 5.1.Valores Frecuencia de Fallo
Tabla 5.2. Valores Consecuencia del Fallo
Tabla 5.3. Valores Estado Funcional del Equipo
Tabla 5.4. Pesos
Tabla 5.5. Valores Criticidad de la Unidad de Proceso
Tabla 5.6. Valores Efectos sobre la Producción
Tabla 5.7. Valores Tiempo de Reposición
Tabla 5.8. Valores MTTR
Tabla 5.9. Valores Tipo Producto en Proceso
Tabla 5.10. Valores Equipo Alternativo de Proceso
Tabla 5.11. Matriz valores Tipo de Producto vs Equipo Alternativo de Proceso
Tabla 5.12. Matriz valores Frecuencia de Fallo vs Consecuencia del Fallo
Tabla 5.13. Límites de Criticidad
Tabla 5.14. Matriz de Criticidad con Límites
Tabla 5.15. Tiempos Referenciales en función de la Criticidad
Tabla 5.16. Equipos Nave C. Cálculo de Zona de Criticidad

Tabla 5.17. Equipos Nave C. Cálculo de nº de Revisiones

Resumen
En toda planta de producción, el objetivo principal del Departamento de
Mantenimiento es asegurar el correcto estado funcional de los equipos con el fin
de obtener su máxima disponibilidad, lo que, en definitiva, significa una mejora
del servicio a su cliente principal (Departamento de Operaciones) y una aumento,
no menos importante, de la seguridad de una planta y, por tanto, en la
disminución de los riesgos.
La consecuencia de la mejora de la fiabilidad de los equipos es que la

optimización de sus condiciones funcionales incide directamente en una
disminución de los costes productivo, por ejemplo, la mejoría funcional de los
equipos está directamente relacionada con una reducción de los consumos
energéticos de los equipos involucrados, y por lo tanto, en una mejora de los
costes directos de la empresa.
La industria se encuentra en un momento de cambio, donde la gestión de

la información proveniente desde todas las áreas de la empresa debe ser
gestionada de forma eficiente y en tiempo real, para así, ser más flexibles y
atender de manera más eficaz las demandas, cada vez más particulares y
cambiantes, de los clientes. Por lo tanto, la interconectividad en tiempo real entre
todas las áreas de gestión de la empresa, así como de los equipos productivos y
servicios auxiliares, son el punto clave en este cambio.
Esta evolución industrial se conoce como Industria 4.0 (Capitulo 3). Una
apuesta por un elevado grado de automatización y de digitalización de las
fábricas, recurriendo al uso intensivo de Internet y redes virtuales, con el objetivo
de modernizar las fabricas hasta transformarlas en “inteligentes” (Smart
Factories). Estas fábricas están caracterizadas por una inter-comunicación en
tiempo real entre los diferentes equipos de producción y auxiliares que componen
las cadenas de producción, de aprovisionamiento y de logística, en definitiva, toda
la cadena de suministro.
Desde el año 2012, la empresa Takasago y la Universidad de Murcia tienen

suscrito un convenio para llevar un proyecto de investigación para el desarrollo de
“nuevas” metodologías operativas de manteniendo predictivo en los equipos
dinámicos que esta empresa tiene en su planta industrial de Murcia (España). Esta
tesis se ha realizado en el marco de dicho proyecto de investigación (PREYBA-

2012), donde se han desarrollado nuevas técnicas y estrategias en lo referente a
las necesidades reales de seguimiento y diagnóstico de los equipos en el plan de
mantenimiento predictivo, en la forma de gestionar la logística de la cadena de
producción en función del estado funcional de los equipos en cada momento y en
la implementación de aplicaciones novedosas para la gestión, procesamiento y
presentación de la información recabada, de modo que esta llegue en tiempo real
a todo el personal involucrado.
La tesis ha sido vertebrada en torno a tres líneas de investigación

principales. Una primera línea (Capítulo 4), donde se ha desarrollado un
procedimiento sencillo, operativo y eficaz para cuantificar el “estado funcional” de
un equipo dinámico como consecuencia de los resultados obtenidos de los
diagnósticos de mantenimiento predictivo, gracias al cual, la comprensión del
estado real de cada equipo será sencillo y operativa, incluso para aquellas
personas que no estén involucradas en el día a día del departamento de
mantenimiento.
Tras la evaluación del estado de los equipos dinámicos, la segunda línea de

investigación (Capítulo 5) se ha focalizado en la implementación de sistema de
gestión dinámica de los intervalos de medición basada en la criticidad y el “estado
funcional” de los equipos anteriormente desarrollado. La criticidad de los equipos
se calculará en función de criterios operativos, de servicio y de mantenibilidad.
Por último, la tercera línea de investigación (Capítulo 6) se ha centrado en

la monitorización de aquellos equipos que resultasen críticos. Se ha desarrollado
una metodología para identificar situaciones anómalas mediante la
monitorización en tiempo real de los parámetros eléctricos (potencia, intensidad,
voltaje…) o mediante la monitorización de indicadores mixtos, resultado de
combinar datos operativos del proceso o producción (datos provenientes de los
sistemas MES y DCS) con la monitorización de los parámetros eléctricos.
Así mismo, y como pilar básico de esta tesis, conforme a la actual filosofía
de Industria 4.0, toda la información relevante obtenida a través de los sistemas y
herramientas que se han desarrollado e implantado, ha sido integrada en los
sistema de gestión de la información operativos en la empresa (principalmente
ERP, MES y DCS), haciéndola altamente disponible, operativa y compartida en
tiempo real en los diferentes niveles de decisión de la empresa, dentro y fuera del

departamento de mantenimiento, cumpliendo, por lo tanto, con la premisas de
las “Fábricas Inteligentes” o “Smart Factories”. Así mismo y gracias a la utilización
de las plataformas ya existentes en la empresa, se ha evitado la generación de
plataformas alternativas o complementarias que dificultaría el manejo de esta
información.

Abstract
In every manufacturing facility, the main objective of the Maintenance
Department is to ensure the correct functional condition of the equipment, with
the aim of obtaining its maximum availability, which is, overall, an improvement
to the service given to their main client (Operations Department), as well as an
improvement, which is not less important, of the plant’s safety, and therefore, a
decrease in the risk.
A consequence of the improvement in the reliability of the equipment is
that the optimization of their functional conditions directly leads to a decrease in
the production costs. Likewise, the functional improvement of the equipment is
directly related with a reduction of energy consumption by the equipment used in
the manufacturing processes, and therefore, an improvement of the company’s
direct costs.
The industry finds itself in a moment of change, where the management of

the information from all the different areas of the company must be managed
efficiently and in real-time, to be able to be more flexible and atend to the client’s
demands, which are becoming more specific, in the most efficient manner.
Therefore, the interconnectivity in real-time among all the management areas of
the company, as well as the production equipment and auxiliary services, are the
key aspect of this change.
This industrial evolution is known as Industry 4.0 (Chapter 3). A
commitment for a high level of automation and digitalization of the factories,
resorting to the intensive use of the Internet and virtual networks, with the aim of
modernizing the factories to transform them into Smart Factories, characterized
by real-time inter-communication between the different production equipment or
utilities that are involved in the production, procurement and logistic chains,
which make up, in the end, the entire supply chain.
Since the year 2012, the Takasago Company and the University of Murcia
have signed an agreement to carry out a research project for the development of
“new” operational methodologies for predictive maintenance of the dynamic
equipment this company has in its industrial plant located in Murcia (Spain). This
thesis has been performed within the framework of this research project
(PREBYA-2012), which has resulted in the development of new techniques and
strategies with regards to the real needs of monitoring and diagnosing of the

equipment in the predictive maintenance plan, in the process of managing the
production chain logistics as a function of the functional condition of the
equipment at any given moment, and the implementation of innovative
applications for the management, processing and presentation of the information
collected, so that it will reach all the personnel involved in real-time.
The thesis has been structured around three main research lines. In the
first line of research (Chapter 4), a simple, operational and efficient procedure has
been developed for the quantification of the “functional Status” of the dynamic
equipment as a consequence of the results obtained in the diagnostic tests of the
predictive maintenance, thanks to which, the understanding of the real status of
each piece of equipment will be simple and operational, even for the people that
are not involved in the day-to-day operations of the maintenance department.
After the evaluation of the status of the dynamic equipment, the second
research line (Chapter 5) has been focused on the implementation of a dynamic
management system of the measurement intervals based on criticality and
“functional status” of the equipment that was previously developed. Criticality of
the equipment will be calculated as a function of operational, service and
maintainability criteria.
Finally, the third line of research (Chapter 6) has been focused on the
monitoring of the equipment that was deemed critical. A method had been
developed to identify anomalous situations through real-time monitoring of the
electric parameters (power, current, voltage…) or through monitoring of mixed
indicators, which were the result of combining process or production operational
data (data from the MES and DCS systems) with monitoring of electric
parameters.
Likewise, and as the basic pillar of this thesis and in accordance with the
current philosophy of Industry 4.0, the relevant information obtained through the
systems that were developed and implanted has been integrated into the
information management system of the company (ERP, MES and DCS). This
makes it easily accessible, 100% operational and shared among the different
decision-making levels in real-time, fulfilling, then, the premises of the “Smart
Factories”. Also, and thanks to the utilization of the company’s existing platforms,

the generation of alternative or complementary platforms has been avoided,
which would have made the managing of this information more difficult.

Nomenclatura
ERP Enterprise Resources Planning
DCS Distributed Control System
OMS Operation Management System
MRP Material Requirements Planning
MRP II Manufacturing Resource Planning
WMS Warehouse Management System
MES Manufacturing Execution System
MMS Maintenance Management System
LIMS Laboratory Information Management System
EMS Energy Management System
BI Business Intelligent
TPM Total Productive Maintenance
CMP Condition Monitoring Program
GMAO Gestión del Mantenimiento Asistido por Ordenador

(

á
)
(ó)
(á )

Masa

Constante Elástica
Frecuencia natural en vibración libre (radianes / s)
Frecuencia natural de vibración (Hz)
Periodo natural de vibración (s)
! Coeficiente tipo de comportamiento del sistema
"#$ Coeficiente de amortiguamiento crítico
SIG Sistemas de Gestión de la Información
CRM Customer Relationship Management
ECM Enterprise Content Management
BPM Business Process Management
SCADA Supervisory Control And Data Acquisition
DCS Distributed Control System
PLC Programming Logic Control
HMI Human Machine Interface
PDES Procesos de Desarrollo de Sistemas de Ejecución
KPI Key Performance Indicators
IOT Internet of the Things
I2OT Industrial Internet of the Things
CPS Cyber Physics Systems
PYME Pequeña y Mediana Empresa
RF Radio Frecuency
PDA Personal Digital Assintant

PSF Parámetros de Significación Funcional
TIBM Time Interval Between Measurements
AHP Analytic Hierarchy Process
FFT Fast Fourier Transform
Aeff Aceleración eficaz
Asel Aceleración selectiva
Vsel Velocidad selectiva
m Moda
σ Desviación típica
pdm Puntos de medida
OT Orden de trabajo
Tm Periodo entre mediciones
))))))
% &'( %
*+ á.
- -ú

/0 /
é (1, 2, 4 8)
HC Hoja de Control de medidas
TE Tabla de Estados
InT Informes de Trabajo
TR Periodo Referencial
CF Consecuencias del fallo
FF Frecuencia de Fallo

S Estado funcional
MTBF Mean Time Between Failure
MTTR Mean Time To Repair
CI Criticidad Intrínseca
p Peso
g Grados de criticidad
EDARI Estación de Depuración de Aguas Residuales Industriales

Capítulo Uno.
1 Introducción y Objetivos
1.1 Introducción
En las planta de síntesis química concurren circunstancias especiales que
hacen recomendable la utilización de técnicas avanzadas de diagnóstico
encaminadas a la detección y corrección de fallos funcionales antes de que éstos
produzcan la parada de los equipos. En términos generales, sobre este tipo de
instalaciones pesa la gran repercusión medioambiental y social que de su
infiabilidad se deriva, a lo que debe sumársele la de posible responsabilidad legal
en el caso de que un hipotético fallo derive en un accidente.
Es, por tanto, no ya sólo deseable sino del todo conveniente intentar un
nivel de funcionamiento/mantenimiento conducente a un estado de “cero
averías”. Esta situación, sin embargo, está muy lejos aún de la que se encuentra
actualmente en la realidad de este tipo de instalaciones, particularmente en el
entorno industrial más inmediato, como en España. Las tradicionales técnicas de
mantenimiento preventivo deben, en este caso, ser reforzadas mediante técnicas
fiables de análisis de la condición de los equipos (Condition Monitoring). Puesto
que muchos de los equipos más críticos de una planta de proceso son equipos
dinámicos, las técnicas más adecuadas para conseguir los objetivos propuestos
están basadas en la medida y análisis de ciertos parámetros de significación
funcional de los equipos, destacando especialmente las características vibratorias
de los equipos.
Como se ha comentado anteriormente, la industria se encuentra en un

momento de cambio, de evolución hacia el concepto de Industria 4.0, hacia lo que
se denomina como “fábricas inteligentes”. Este término, gestado en Alemania en
el año 2012, define un nuevo tipo de fábrica donde la integración de las
tecnologías TIC es fundamental para la gestión de la empresa. Se caracterizan por
ser fábricas con un elevado grado de automatización y sensorización, donde la
gestión de la información proveniente desde todas las áreas de la empresa es
gestionada en tiempo real de forma más eficiente, y donde los equipos que
componen la cadena de suministro se encuentran intercomunicados en tiempo

real, haciendo a la empresa más flexible para atender de manera más eficaz las
demandas, cada vez más particulares, de los clientes.
Una planta de proceso moderna, en línea con la actual filosofía de

Industria 4.0, presenta una gestión de la información muy avanzada, gracias a la
implementación de sistemas que facilitan la gestión e interconectividad en tiempo
real de los datos técnicos (condiciones de proceso, datos de proceso…), de los
datos operativos (rendimientos, tiempos de producción, cantidades producidas…)
de los datos de planificación de la producción (programaciones, ruta de
fabricación, lote optimo…), y por último, datos más orientados la gestión de
departamentos no técnicos (albaranes, facturas, presupuestos, pedidos…). Entre
las principales aplicaciones utilizadas, podemos destacar (figura 1.1):
• ERP. Enterprise Resources Planning

• DCS. Distributed Control System
• OMS. Operation Management System
• MRP. Material Requeriments Planning
• MRP II. Manufacturing Resource Planning
• WMS. Warehouse Management System
• MES. Manufacturing Execution System
• MMS. Maintenace Management System
• LIMS. Laboratory Information Management System
• EMS. Energy Management System

Figura 1.1 Sistema de Gestión de Empresa Moderna
La información recabada a través de estos sistemas, debido al alto

volumen de información a gestionar, será debidamente tratada mediante
herramientas de gestión de la información (BI – Business Intelligent). Así mismo,
se implantarán portales para el intercambio de la información, de forma que esta
sea única y esté accesible para todas las personas involucradas en su gestión.
De la misma forma, la información recabada mediante las técnicas y

procedimientos desarrollados en la presente tesis será integrada con los sistemas
de gestión de la información presentes en la figura 1.1, compartiéndola en
tiempo real con los demás departamentos presentes en la cadena de suministro y
por lo tanto, haciéndola relevante para la toma de decisiones.
Además, esta información propia del departamento de mantenimiento,

debidamente integrada con otros sistemas de gestión, podrían agilizar los
procesos organizativos de la compañía, por ejemplo, ayudando a la responsable
de la planificación a re-programar una tarea productiva, al ingeniero de procesos a
ajustar los parámetros de control del proceso en función del estado del equipo, o
al jefe de planta ayudándole a priorizar la reparación de equipos en función de su
estado funcional.

El objetivo último es, por consiguiente, asegurar el correcto estado
funcional de los equipos con el fin de obtener su máxima disponibilidad y
minimizar el impacto de los fallos, lo que, en definitiva, significa mejorar el
servicio y la seguridad de una planta de síntesis química, ya que una consecuencia,
no menos importante que la mejora de la fiabilidad de los equipos, es que la
optimización de las sus condiciones funcionales incide directamente en una
mejora de la seguridad de las instalaciones y, por tanto, en la disminución de los
riesgos.
Un funcionamiento óptimo de la maquinaria redunda, en una disminución

de los niveles de vibración y de ruido, lo que contribuye a mejorar las condiciones
ambientales y de trabajo, así como en una mejora de los rendimientos de los
procesos químicos y energéticos, por lo que afecta positivamente y directamente
a los beneficios de la empresa. Además, al obtener un mejor aprovechamiento de
la vida útil de los equipos se aumenta su rendimiento funcional y energético,
disminuyendo el coste del ciclo de vida de los mismos.
Esto, además de contribuir en la disminución de pérdidas, constituye una

aportación más en la gestión medioambiental de la instalación, por cuanto el
aprovechamiento óptimo de los recursos materiales conduce -en términos
globales- a una disminución del consumo energético, a una reducción del volumen
de desechos de mantenimiento y una maximización de los beneficios de la
empresa.
Con el fin de trabajar en un ambiente real de ingeniería y que los

resultados de este trabajo sean realmente útiles, el laboratorio de pruebas ha sido
una importante instalación industrial de síntesis química, propiedad de la
compañía multinacional Takasago (figura 1.2), que gracias a la diversidad y
cantidad de equipos asegura la generalización de los resultados a otras plantas.
Así mismo la aplicación de técnicas novedosas de predicción de estados de
equipos concuerda perfectamente con la filosofía japonesa de gestión avanzada
en entornos altamente tecnológicos.

Figura 1.2 Vista de las instalaciones de Takasago (TICSA) en El Palmar (Murcia-España)
1.2 Objetivos de la Tesis

El objetivo principal del presente trabajo es desarrollar un sistema
integrado de gestión del mantenimiento predictivo de los equipos dinámicos
basado en su condición CMP (Condition Monitoring Program) y en el control
energético (E-control). Este sistema, como base fundamental del concepto
Industria 4.0, debe estar interconectado en tiempo real con los sistemas de
gestión actuales de la empresa.
Para conseguir esto, se plantean los objetivos parciales serán:
• Analizar los modos de fallo de los equipos incluidos en el estudio,
determinando la periodicidad optima de revisión, sus posibles estados
funcionales, y los equipos y medios técnicos a utilizar para la
determinación de los anteriores aspectos.
• Analizar la criticidad de los equipos conforme a una serie de criterios
preestablecidos por los departamentos de Operaciones y Mantenimiento.
• Analizar los consumos energéticos de los equipos en condiciones
normales de trabajo y previas al fallo. Desarrollar posibles indicadores
operativos / energéticos que puedan prever el comportamiento
defectuoso del equipo rotativo.

• Desarrollar una herramienta informática que soporte, gestione e
interprete los datos recogidos durante las mediciones, para así asignar un
valor funcional a los equipos dinámicos en función del estado de sus
componentes y elementos principales.
• Desarrollar la interfaz necesaria para que los datos relevantes obtenidos
sean implementados en los sistemas de gestión existentes en la empresa.
• Definir otros posibles modelos de fallo resultantes del análisis conjunto de
los datos obtenidos de las mediciones y de los datos obtenidos a través de
los sistemas de gestión de la empresa.
Para conseguir el cumplimiento de los objetivos anteriormente
mencionados se desarrolló el trabajo siguiendo las siguientes etapas / fases:
Una primera fase que consistió en un amplio estudio preliminar de las

características de los equipos e instalaciones, las interrelaciones y dependencias
funcionales existentes, los históricos de averías, los históricos de reparaciones, el
coste directo e indirecto de los fallos, los condicionantes funcionales y de
emplazamiento, los históricos de los consumos energéticos de los equipos y, por
último, los históricos de datos relacionados con la producción (producto, horas,
kilos,...). Este estudio preliminar aportó una información esencial acerca de las
consecuencias de las averías e indisponibilidad del servicio, parte fundamental a la
hora de la implementación de la matriz operativa de criticidad de equipos que
tenga en cuenta, no solo el histórico de fallos, sino también las consecuencias
económicas y técnicas de un fallo repentino de un equipo rotativo.
En una segunda fase se estableció un plan inicial de mediciones, puntos a

medir por equipo y máquina, parámetros de significación funcional y grupos de
diagnosis [0] fijando la periodicidad de cada una de las actuaciones, siendo un
referente importante los datos históricos de fallos de los equipos obtenidos en el
punto anterior.
Una vez determinado el alcance del plan, es preciso establecer la

estructura jerárquica de activos y configurar el soporte más adecuado de la
información y medidas a realizar, así como la plataforma interpretación, gestión e
intercambio de datos con los demás sistemas de información presentes en la
empresa. Para ello se utilizó la instrumentación, equipos informáticos y los
sistemas de gestión que posee la empresa.

En una siguiente fase se realizó la puesta en marcha efectiva del plan
elaborado en la fase anterior. Se realizaron mediciones diarias durante los 4 años
de duración del presente contrato, que fueron capturadas mediante equipos
existentes y disponibles en la empresa.
Una vez realizado un análisis pormenorizado de los datos obtenidos

durante el periodo de referencia, se realizó el diagnóstico en detalle de estos. Se
identificaron los valores límites para la clasificación del estado de cada uno de los
elementos y componentes de los equipos rotativos. Estos valores límites,
partiendo de valores de referencia de reconocida validez, por ejemplo, la norma
10816-1 para la medida de la severidad de la vibración, fueron optimizados
según la información recogida, de forma que estos valores sean una referencia
real del funcionamiento de los equipos. Durante esta fase se definieron los
estados funcionales de los equipos dinámicos.
Así mismo, se evaluó, conjuntamente con el departamento de

Operaciones, la criticidad de cada uno de los equipos principales. En esta
evaluación se tuvieron en cuenta no solamente criterios de mantenibilidad, sino
también criterios relativos a la producción, medioambiente, seguridad y nivel de
servicio al cliente. Gracias a esta evaluación se desarrolló la matriz de criticidad
que fue la base para la gestión dinámica de los equipos rotativos.
Como consecuencia de la aplicación de esta matriz de criticidad se

identificaron ciertos equipos que debían ser revisados de forma continua. Sobre
estos equipos se desarrollaron procedimientos y métodos para la detección
prematura de fallos a través de la monitorización de los parámetros eléctricos y/o
indicadores de operación / energéticos.
Por último, los resultados obtenidos fueron gestionados y compartidos en

tiempo real con el resto de departamentos implicados en la cadena de producción
y logística a través de las plataformas y sistemas ya implantados en la empresa, así
mismo se desarrollaron indicadores, alarmas y cualquier otro tipo de información
que facilitara la gestión de la cadena de suministro.

Capítulo Dos
2 Fundamentos del Mantenimiento Industrial y los Sistemas de
Gestión de la Información
2.1 Antecedentes históricos del Mantenimiento Industrial
A finales del siglo XVIII y comienzo del XIX y coincidiendo con la revolución
industrial provocada principalmente por la aparición de la máquina de vapor, la
introducción de las primeras máquinas en las industrias textiles así como la
industrialización de los procesos de extracción del hierro, surgen el concepto de
“fallo” así como el concepto de “mantenimiento” con la necesidad de realizar la
reparación de las máquinas tras la aparición de los fallos para aumentar la
competitividad de unas empresas.
La historia del mantenimiento va de la mano con el desarrollo técnico-

industrial ya que como se ha visto con la aparición de las primeras grandes
máquinas productivas se empezó a tener la necesidad de realizar estas primeras
reparaciones. La mayoría de estos primeros fallos eran resultado del abuso y/o de
los grandes esfuerzos a los que eran sometidas las máquinas para cumplir los
objetivos productivos.
En estas primeras etapas del mantenimiento, este presentaba una

importancia secundaria para las empresas y se limitaba simplemente a reparar los
fallos una vez que estos ya habían sobrevenido, lo cual hoy se conoce como
“mantenimiento de primera generación”, y era realizado y ejecutado por el mismo
personal de producción.
Ya durante la primera y segunda década del siglo XX la cantidad de

maquinaria industrial se había incrementado de forma exponencial lo cual
empezó a provocar que el trabajador necesitara invertir cada vez más tiempo en
hacer trabajos de mantenimiento lo cual comenzó a repercutir directamente
sobre la producción.
Esto unido con la llegada de la de la producción en cadena en 1913

implantada por Henry Ford (Fig. 2.1) y la consecuente programación de la
producción introducida por la necesidad de cumplir con unos objetivos comienza
a generar cierta preocupación por los fallos y las paradas forzosas derivadas de los

mismos que provocan retrasos en la producción, siendo ya durante la década de
1920 cuando comienzan a ser un verdadero quebradero de cabeza y comienzan a
surgir las primeras estadísticas sobre índices de fallo en motores y en equipos
productivos.
Figura 2.1. Línea de producción en cadena en la fabrica Ford.
Ya durante la segunda guerra mundial (1939-1945) los países implicados en

el conflicto presentaban la necesidad de aumentar la rapidez de fabricación. En las
industrias militares comenzó a realizarse inspecciones en los aviones de combate
y a reemplazarse un gran número de piezas al alcanzar un número determinado
de horas de funcionamiento, surgiendo de esta forma el llamado “mantenimiento
de segunda generación” el cual se basa en la relación existente entre la
probabilidad de fallo y el ciclo de vida de los elementos y la planificación de
inspecciones periódicas de mantenimiento programadas.
Durante la década de 1950, y principalmente en Japón, se consolida

definitivamente el mantenimiento de segunda generación y más concretamente
el mantenimiento preventivo en las industrias productivas con el seguimiento de
recomendaciones de los fabricantes de equipos para cuidar a los mismos
incrementando su ciclo de vida útil. Paralelamente a este asentamiento del
mantenimiento preventivo en las industrias surge un nuevo departamento en las
empresas que se encargaba de realizar la organización, planificación y ejecución
de las labores de mantenimiento, así como de analizar las causas y efectos de las
averías producidas. Estos departamentos no son otros que los precursores de los
actuales departamentos de mantenimiento.

Durante las décadas de 1970 y 1980 se produjo la aparición y mejora
progresiva de instrumentación de protección y medición así como de las técnicas
de verificación mecánica como el análisis de vibraciones, ruidos, análisis de
lubricantes y otras semejantes provocando un desarrollo enorme en la previsión
de los fallos lo cual constituye un enorme paso consiguiendo optimizar el
funcionamiento de los equipos y surgiendo con esto lo que actualmente se conoce
como “mantenimiento de tercera generación” que tiene como pilar fundamental
el también conocido como “mantenimiento basado en condición”, en el que se
mezclan técnicas de mantenimiento correctivo, preventivo y predictivo. Este tipo
de mantenimiento analiza el estado actual del equipo y programa la reparación
y/o sustitución del mismo basándose en su condición funcional.
Cabe mencionar que durante estas décadas Seichi Nakajima, a partir de

algunas propuestas publicadas en Estados Unidos, plantea una nueva idea de
mantenimiento conocida como “mantenimiento productivo total” o TPM, que se
engloba de igual forma dentro del mantenimiento de tercera generación, el cual
es una filosofía de mantenimiento en el que se integra todo el personal de la
empresa (incluyendo a subcontratas y proveedores) en labores de mantenimiento
e implicando al mismo en un proceso de mejora continua en todos los aspectos.
Figura 2.2. Ingeniero Seiichi Nakajima, padre de la filosofía TPM.
A finales de la década de 1970 y principios de 1980 se comienza a

desarrollar una nueva estrategia o filosofía de mantenimiento conocida como
“Mantenimiento centrado en la confiabilidad” o RCM que se basa en el análisis del
funcionamiento del equipo y de los fallos que se han producido sobre el mismo

intentando en definitiva incrementar el grado de confianza del mismo y por tanto
de la planta globalmente.
En 1995 se presenta el libro “5 Pillars of the Visual Workplace (5Ss)” de

Hiroyuki Hirano, conocido popularmente como “las cinco eses” porque son las
iniciales de cinco palabras japonesas que se corresponden con las cinco fases de
las que consta este método para lograr la calidad en el lugar de trabajo logrando
que se encuentre ordenado e identificado, eliminando las fuentes de suciedad,
elementos no necesarios, arreglando los desperfectos y consiguiendo que todo se
mantenga y se mejore constantemente.
整理 Seiri Organización y Clasificación
整頓 Seiton Orden
清掃 Seisō Limpieza
清潔 Seiketsu Control visual y estandarización
躾 Shitsuke Disciplina y hábito
Figura 2.3. Resumen de la significación de las cinco eses de la filosofía “5S”
Como se puede observar, el mantenimiento industrial ha ido

desarrollándose de forma continuada desde sus orígenes principalmente para
adaptarse a las necesidades del mercado e intentando en cada paso lograr una
mayor eficiencia a través de un sistema comprensivo y de total participación de
todos los departamentos de la organización y especialmente los departamentos
de ingeniería, producción y mantenimiento.
2.2 La situación del Mantenimiento en la Industria Actual.

Como se ha venido adelantando, hasta hace relativamente poco tiempo,
el principal y prácticamente único objetivo de la inmensa mayoría de las
organizaciones productivas existentes en los países occidentales, a la hora de

realizar una inversión económica, era obtener la rentabilidad máxima de la
misma.
Esta mentalidad comienza a cambiar tras la segunda guerra mundial

principalmente en Japón y comienza a hacerse verdaderamente importante a
escala mundial a finales de la década de los 70 y principios de los 80 con la
aparición de un concepto verdaderamente importante para una organización
como es el de la calidad hacia el cliente. Este concepto es considerado
actualmente como la verdadera clave para la subsistencia de una organización
productiva en el complejo y competitivo industrial.
La necesidad de cumplir con las expectativas de los clientes, tanto en

términos de calidad como en términos de disponibilidad hacia los mismos, todo
ello a un precio atractivo, conllevan un cambio de mentalidad de las
organizaciones productivas con respecto al mantenimiento pasando de ser “el mal
necesario de toda planta productiva” a ser uno de los ejes fundamentales de la
empresa.
Como era de esperar, y como ya se ha adelantado, este cambio de

mentalidad de la comunidad productiva respecto al mantenimiento ha derivado
en una importantísima evolución del mismo en los últimos 30 años en los que los
mismos departamentos de mantenimiento se han tecnificado enormemente
pasando de ser equipos de reacción frente a los fallos, a equipos de prevención
y/o diagnóstico temprano de los mismos.
De forma simultánea esta evolución ha provocado, por un lado, el arraigo

de un mantenimiento altamente tecnificado en términos de utilización de
equipamiento especializados para la detección de fallos incipientes como
colectores de vibraciones, medidores de ultrasonidos, analizadores de lubricantes,
etc., y, por otro, la instauración de nuevas filosofías y técnicas de mantenimiento
encaminadas a la producción, como son el “mantenimiento productivo total” o
TPM o el análisis causa-efecto, entre otras.
Actualmente las acciones de mantenimiento se consideran, en la gran

mayoría de las organizaciones productivas, como una inversión en el
aseguramiento de la disponibilidad y fiabilidad de los equipos. El buen
mantenimiento es, sin duda alguna, directamente proporcional a la calidad de
productos y servicios ofertados y, por ende, a la satisfacción de los clientes.

Que el mantenimiento industrial constituye una parte fundamental y pieza
clave en las organizaciones productivas actuales es ya un hecho contrastado sin
embargo, este debe y puede seguir evolucionando incrementando aún más su
importancia dentro de las organizaciones mediante la colaboración entre todos
los departamentos de la misma, y principalmente con los de producción e
ingeniería. Publicaciones como la realizada de forma quinquenal por la Asociación
Española de Mantenimiento (AEM) [38] resaltan la evolución, desde el punto de
vista estratégico, del mantenimiento en el tejido industrial español.
La gran mayoría de las organizaciones productivas actuales separan de

forma equivocada, al menos a juicio de este autor, a los departamentos de
ingeniería y mantenimiento e ignoran por tanto las grandes ventajas que pueden
obtenerse de una relación simbiótica entre ambos.
El futuro del mantenimiento industrial es el estar ligado al de ingeniería de

procesos y sin olvidar, claro está, su principal función de asegurar la disponibilidad
y la fiabilidad de los equipos, constituir un factor de mejora tremendamente
importante para las organizaciones en términos de mejora de procesos
productivos, diseño de nuevos procesos productivos, optimización energética,
incremento de la seguridad y ahorro de costes.
2.3 Mantenimiento Predictivo Mediante el Análisis de Vibraciones

En mundo de la ingeniería productiva y de mantenimiento resulta muy
importante el hecho de conocer cuál va a ser la respuesta de un sistema mecánico
tras la aplicación de una serie de cargas externas al mismo. El conocimiento de
estas respuestas resulta tremendamente útil tanto en las etapas de diseño previas
a la puesta en funcionamiento del equipo, como en etapas posteriores de
rediseño y optimización de procesos e instalaciones ya existentes.
El análisis de vibraciones constituye una de las principales y más utilizadas

herramientas en el mantenimiento de equipos dinámicos a escala industrial de tal
forma que el estudio de las vibraciones mecánicas en cualquier sistema resulta
esencial puesto que permite comprender, analizar y proponer soluciones sobre
diversos problemas que pueden surgir en los procesos industriales.

Además de las técnicas de predictivo basadas en análisis de vibraciones,
para la elaboración del presente trabajo también se han utilizado otro tipo de
técnicas de predictivo como termografía, análisis de líquidos y ultrasonidos.
2.3.1 Fundamentos de las Vibraciones Mecánicas

En cualquier máquina en funcionamiento existen vibraciones como
consecuencia de holguras, pequeños desequilibrios de carga, rozamientos,
tolerancias de ajuste, esfuerzos variables, flexión de los ejes, etc.
Además, la mayoría de los defectos que pueden aparecer en una máquina

(desalineación, desequilibrio dinámico, transmisión en mal estado, cojinetes
defectuosos, marcha irregular o con discontinuidades, etc.) vienen acompañados
de ciertos cambios funcionales que pueden manifestarse de diversas formas:
• Disminución del rendimiento
• Modificación de la temperatura de funcionamiento
• Cambios en el ruido
• Aumento y cambio en las vibraciones.
Dentro del campo del mantenimiento predictivo, las vibraciones que

experimentan cualquier máquina o sistema mecánico en funcionamiento destacan
de manera notable como una de las manifestaciones susceptible de ser medida
con relativa facilidad y que muestra una clara dependencia del estado del mismo.
Mediante la medida y análisis de la vibración de una máquina se puede

realizar un seguimiento de su estado, detectar un funcionamiento anómalo y
realizar un diagnóstico de las causas del mismo con el fin de planificar su
mantenimiento y, en definitiva, prolongar su período de vida.
La medida y análisis de la vibración de una máquina se puede plantear bajo

múltiples vertientes, desde la simple medida de su nivel (severidad de la
vibración) hasta técnicas más complejas basadas en el estudio de formas de onda
temporales o análisis en el dominio de la frecuencia.
A continuación se definirán los fundamentos básicos de vibraciones, así

como una breve descripción de las principales técnicas utilizadas en el análisis de
vibraciones.

2.3.1.1 Vibración mecánica.
Una vibración mecánica se puede definir como la oscilación repetida en el
tiempo de un punto material o de un cuerpo rígido con respecto a su posición de
equilibrio.
Figura 2.4. Representación de una vibración armónica
Las vibraciones se producen generalmente por el efecto del

funcionamiento del propio equipo dinámico, y cabe mencionar, que toda señal
vibratoria conlleva tres efectos energéticos asociados, a saber:
• Almacenamiento de energía potencial en los elementos elásticos.

• Almacenamiento de energía cinética en las masas e inercias.
• Pérdida gradual de energía en los elementos disipativos.
Para realizar una explicación lo más sencilla posible se va a poner como

ejemplo el agitador representado mediante la siguiente figura:

Figura 2.5. Representación de un agitador rígido con movimiento permitido solamente en plano XY.
El ejemplo consiste en un agitador que se comporta como una masa

totalmente rígida, suponiendo que su centro de masas está situado en el punto
donde se encuentra el cierre mecánico, que solo presenta movimiento en el plano
7 (y que por lo tanto no posee movimientos de rotación ni movimientos
respecto del eje 8); y por último que la longitud del eje es lo suficientemente
grande con respecto a su diámetro como para despreciar los movimientos que
experimenta en el eje 7.
Se tiene entonces un sistema con un solo grado de libertad que se

comportará como una barra rígida situada en el plano 7 y sujeta desde el centro
de masas al plano 7 mediante un resorte completamente rígido o con constante
elástica de módulo infinito, y dos resortes de constante elástica muy baja y que
por lo tanto permiten el movimiento de los extremos de la varilla (cabeceo) con
respecto al eje tal y como se muestra en la siguiente figura:
2.3.1.2 Amplitud de la vibración.

La amplitud de una señal vibratoria es la medida de la variación máxima de
una partícula con respecto a su posición de equilibrio. En una onda mecánica o

vibración se mide en unidades de longitud, es decir, en metros (m) y se representa
como .
En el caso del ejemplo del agitador y tomando como punto de medida el

rodamiento del motor situado en el lado contrario al acoplamiento, la amplitud de
la onda vibratoria (medida en relación al eje ) y que se debe al propio
funcionamiento del equipo, coincide con el desplazamiento experimentado por
dicha cabeza del motor.
Cabe mencionar que n hay que confundir amplitud con desplazamiento

puesto que la amplitud es, como ya se ha dicho, el desplazamiento máximo,
pudiéndose calcular dicho desplazamiento en cualquier instante de tiempo
mediante la ecuación:
( ) = ( + )
donde:
= desplazamiento
= amplitud (desplazamiento máximo)
= frecuencia angular (pulsación)
= fase (ángulo inicial)
2.3.1.3 Frecuencia de la vibración.

La frecuencia de una señal vibratoria es un parámetro que indica el
número de veces que una partícula oscilante pasa por la misma posición en un
segundo. Esta magnitud se mide en la magnitud del sistema internacional
conocida como hertzio (Hz) y comúnmente se denota como .
2.3.1.4 Periodo de la vibración.

El periodo de una señal se define como la inversa de la frecuencia, es decir,
como el intervalo de tiempo que tarda una partícula oscilante en pasar de una
posición a la siguiente homologa. Esta magnitud es medida en segundos (s) y se
representa con la letra .

2.3.1.5 Velocidad de la vibración.
En muchas ocasiones el parámetro de interés no es tanto el
desplazamiento del punto en estudio como consecuencia de la vibración sino la
velocidad con que lo hace. De hecho, desde el punto de vista del diagnóstico del
estado funcional de un equipo, las normas internacionales suelen utilizar como
referencia el valor de la velocidad de la vibración, este es el caso de la norma ISO
10816, de uso tan extendido en la industria.
Esta velocidad puede calcularse para cualquier instante y para un

movimiento oscilatorio considerado como un movimiento armónico simple como
la derivada del desplazamiento con respecto al tiempo:
( )
M( ) = = ∙ ∙ ( + )

2.3.1.6 Vibración libre.

Una vibración libre es toda aquella vibración que se produce en ausencia
de fuerzas externas al sistema vibratorio, es decir, la vibración que sigue
experimentando el sistema una vez que se le ha retirado el impulso exterior.
Volviendo al ejemplo del agitador, que recuérdese que presentaba un solo

grado de libertad al comportarse como un péndulo, si se le comunica una fuerza
exterior en forma de impulso (por ejemplo un golpe), cuando este impulso cesa el
sistema sigue vibrando libremente con una frecuencia conocida como “frecuencia
natural del sistema” que se irá extinguiendo de forma gradual debido a la propia
amortiguación del sistema.
2.3.1.7 Vibración forzada.

Por lo anteriormente citado una vibración forzada se puede definir como
toda aquella vibración que tiene lugar debido a la presencia de fuerza externa al
sistema cuya acción es constante durante el tiempo (aunque su módulo puede ir
cambiando con respecto al mismo).
Supóngase de nuevo el ejemplo del agitador, si el motor situado en la

cabeza del sistema presenta una vibración a su velocidad de giro, esta se
transmite a todo el conjunto, es decir, se produciría la vibración forzada del eje
del agitador justo a la frecuencia a la que gira el motor. Al estudiar el movimiento
giratorio del conjunto solo en el plano XY, se trataría de la proyección de un
movimiento giratorio en torno al eje Y. Por consiguiente, cada punto del eje se
movería según un movimiento armónico simple. El conjunto se vería como una
oscilación pendular en el plano XY.
2.3.1.8 Grados de libertad de un sistema.

El punto 2.3.1.1 del presente trabajo se comenzó definiendo un sistema de
agitación que se comportaba como si de un péndulo se tratase al presentar un
solo grado de libertad. Este concepto de grado de libertad se refiere a la cantidad
mínima de parámetros que es necesario especificar para determinar
completamente el movimiento de todo el conjunto.
Supóngase el ejemplo de un pistón metálico conducido en el interior de un

cilindro y cuyo movimiento queda limitado por la acción de un muelle de
constante elástica no nula ni infinita:
Figura 2.6.- Representación de un pistón moviéndose por un cilindro y limitado con muelle de
constate elástica K.
Este sistema, al igual que el ejemplo del agitador, presenta un solo grado
de libertad puesto que para definir su posición solo es necesario conocer cuál es la
expresión de la altura a la que se encuentra el centro de masas del pistón en
función del tiempo.

Si se tratase por ejemplo de una partícula moviéndose libremente sobre el
plano 7 serían necesarias un total de dos coordenadas para determinar su
posición en un instante dado, por lo que el número de grados de libertad sería de
dos.
2.3.1.9 Modos de vibración.

Los modos de vibración de un sistema son un conjunto de patrones o
formas características de vibración del sistema mecánico en su globalidad, de tal
forma que la vibración final de todo el sistema procede de la combinación de
todos y cada uno de los modos de vibración pertenecientes a todos los elementos
constituyentes.
Una de las tareas principales de la técnica de análisis de vibraciones

conocida como “análisis modal” consiste en la determinación, cuantificación y
cualificación de estos modos.
2.3.1.10 Frecuencia natural o propia.

En sistemas con un grado de libertad, como es el caso del ejemplo seguido
hasta el momento del agitador, la frecuencia natural o frecuencia propia es la
frecuencia del movimiento armónico que resulta al introducir un desplazamiento
o una velocidad inicial al sistema que se encuentra inicialmente en posición de
equilibrio y dejándolo después vibrar libremente sin ningún tipo de excitación
exterior.
En la realidad solo es posible encontrar sistemas con un solo grado de

libertad en ciertas simplificaciones, siendo lo común encontrarse con sistemas con
un número N de grados de libertad. En estos casos cada modo natural de
vibración presentará una frecuencia natural asociada y por lo tanto el sistema
presentará como mínimo tantas frecuencias naturales de vibración como grados
de libertad presente en su conjunto.
2.3.1.11 Frecuencia de excitación.

La frecuencia de excitación es la frecuencia asociada a una acción exterior
que actúa sobre el sistema como puede ser algo tan simple como un impulso
manual periódico o el acoplamiento del sistema a sistemas alternativos o rotativos

como pistones o motores. Cabe mencionar que estas excitaciones no son siempre
constantes en el tiempo, es decir que tienen la misma frecuencia, sino que
normalmente varían ligeramente (e incluso en algunos casos considerablemente)
por lo que dan lugar a unas frecuencias de excitación relativamente variables y
que por lo tanto ejercen una mayor área de influencia sobre el comportamiento
final del sistema mecánico.
2.3.1.12 Resonancia.
Hasta ahora se ha visto que los sistemas físicos presentan una serie de
frecuencias naturales de vibración que son características del tipo de material, la
geometría del elemento y de la configuración global que presenta el sistema, sirva
como ejemplo una cuerda de guitarra cuyo tono acústico depende tanto de la
longitud de la cuerda entre sus puntos de sujeción como de la sección y del
material de la misma.
De igual forma se conoce que cualquier fuerza de excitación exterior a un

sistema produce sobre éste una vibración con una frecuencia igual a la frecuencia
de dicha fuerza externa.
Cuando sobre un sistema actúa una fuerza exterior tal que induce sobre
éste una frecuencia cercana o incluso igual que alguna de las frecuencias naturales
del mismo, en general, el sistema comienza a vibrar con una amplitud
tremendamente grande en comparación con la que debería de habérsele
provocado. Cuando ocurre este fenómeno se dice que el sistema entra en
“resonancia” o como diversos autores prefieren denominarla “vibración
simpática”.
Un ejemplo, que puede resultar fácil de entender, del concepto de

resonancia es el caso de un niño sentado en un columpio. La experiencia indica
que la oscilación puede alcanzar gran amplitud por medio de una serie de
pequeños empujones aplicados a intervalos regulares. La resonancia se producirá
únicamente cuando estos empujones estén en fase con la frecuencia natural de
vibración del columpio de forma que una ligera variación de los pulsos de entrada
dará como resultado una vibración pequeña o incluso ninguna.

Las resonancias a escala industrial normalmente presentan muchos más
inconvenientes que ventajas puesto que normalmente derivan en un aumento del
nivel de vibración en los equipos dinámicos y/o estructuras cercanas, de forma
que éstas se deterioran rápidamente debido a estos elevados niveles vibratorios o
por la prolongación de niveles altos durante periodos continuos de tiempo.
2.3.1.13 Nodo.
Un nodo es un punto del sistema que permanece fijo cuando éste se
encuentra sometido a vibración. Por tanto, se trata del punto de una onda
estacionaria que tiene una amplitud nula en cualquier momento.
Un ejemplo sencillo de nodo de vibración sería la articulación de un

sistema pendular. Aunque todo el conjunto tenga una oscilación elevada, este
punto siempre tiene una amplitud de movimiento nula.
2.3.2 Técnicas de análisis de vibraciones

Las principales técnicas en el análisis de la vibración son las siguientes:
• Medida de Severidad de la vibración

• Análisis Modal
• Diagrama de Bode
• Espectro de frecuencias
• Mapa Espectral
• Diagrama de Evolución de Armónicos
• Técnicas de análisis de rodamientos
2.3.2.1 Medida de Severidad de la vibración

La aparición de un defecto en una máquina conlleva, normalmente, ciertas
modificaciones en su comportamiento dinámico, lo que produce variaciones en
los valores de algunos de sus parámetros funcionales, particularmente de la
vibración.

El fallo de la máquina viene generalmente precedido por un aumento del
nivel de vibración, lo que justifica que la medida de dicho nivel constituya una
práctica tan extendida. Ahora bien, el éxito de la aplicación de esta técnica radica
en dos factores, a saber: por un lado, en el hecho de que, para la mayoría de los
defectos posibles en la máquina, el nivel de vibración se incrementa
apreciablemente desde su etapa incipiente; por otro lado, el período de tiempo
que transcurre -en la mayoría de los casos- desde la aparición de un defecto hasta
que finalmente se produce el fallo de la máquina, es suficiente para permitir una
detección prematura.
El aumento del nivel global de vibración, lo que generalmente se denomina

Severidad de la vibración, por encima de cierto valor previsto, es pues indicativo
de la existencia de alguna condición anómala en la máquina.
La evaluación de la medida del nivel de vibración, exige disponer de unos

valores de referencia, tales como los de la ISO 10816, que aporten los criterios
suficientes de comparación, de manera que mientras no se sobrepasen ciertos
niveles, el estado funcional de la máquina pueda suponerse correcto. La elección
de unos valores de referencia adecuados es, pues, fundamental para el eficaz
desarrollo de esta técnica, que constituye normalmente la clave de paso para la
aplicación de otras técnicas complementarias. La importancia de la medida del
nivel de vibración y su correcta evaluación es tal que, si su ejecución es incorrecta,
todo el programa de mantenimiento se verá afectado muy negativamente
2.3.2.2 Análisis modal.

El análisis modal es una técnica de análisis de señales vibratorias
procedentes de sistemas mecánicos cuya utilización permite aportar información
fundamental para el conocimiento de las características vibratorias propias del
sistema, y de sus elementos constituyentes, suministrando al analista información
sobre cuáles son las frecuencias y formas naturales con las que vibra.
Supóngase un sistema de un solo grado de libertad, por ejemplo un carrito

con ruedas de masa
y en paralelo al suelo y sujetos a la pared un muelle de
constante elástica y un amortiguador de coeficiente c, tal y como se representa
en la siguiente figura:

Figura 2.7. Representación de un carrito con ruedas de masa m que se mueve por el suelo
horizontal y sujeto a una pared mediante un muelle con constante elástica k.
Si se perturba el sistema mediante la aplicación de una fuerza externa, este

abandona su posición estática o de equilibrio y comienza a vibrar sin necesidad de
que la fuerza externa sea aplicada de forma continua.
Una vez que el sistema ha sido excitado pueden diferenciarse dos

situaciones en cuanto a forma de vibración se refiere vibración libre no
amortiguada (que es una situación teórica, ya que por pequeña que sea siempre
habrá amortiguación) y vibración libre con amortiguamiento.
Vibración libre no amortiguada.

La ecuación diferencial que define el comportamiento de un sistema con
vibración libre no amortiguada y que no está sometido a una fuerza externa es:

O + = 0
O + Q ∙ = 0
donde el parámetro representa la frecuencia natural (expresada en radianes

por segundo) en vibración libre del sistema y se puede calcular como:
= R⁄
La solución de la ecuación diferencial del sistema es la siguiente:
(T) = ∙ ( ) + U ∙ ( )

de forma que las constantes A y B se hallan a partir de las condiciones iniciales de
desplazamiento y velocidad, y V respectivamente, obteniéndose:
V
(T) = () ∙ cos( ) + ∙ ( )

En la figura 2.8 se puede observar un ejemplo de una vibración libre no

amortiguada en la que se han incluido los parámetros característicos:
Figura 2.8. Representación de una vibración libre no amortiguada
En la imagen se puede observar el tiempo requerido por el sistema para

completar un ciclo de vibración libre, lo cual se denomina como periodo natural
de vibración y que se define como:
2W
=

De igual forma se puede definir la frecuencia natural de vibración como

el número de ciclos de vibración que se repiten en un segundo:
1
=

Resulta importante destacar que estas propiedades naturales de vibración

del sistema, , X dependen principalmente de la masa y rigidez del mismo
y no de las condiciones iniciales ni del tiempo. En otras palabras, el sistema
siempre vibrará con la misma frecuencia independientemente de cuál sea la
situación inicial y el momento en el que se excite, de ahí que esta frecuencia de
vibración reciba el nombre de frecuencia natural.

Vibración libre con amortiguamiento.
En el caso de un sistema con vibración libre con amortiguamiento viscoso

la ecuación de movimiento viene dada por la siguiente expresión

O + V + = 0
de forma que si dividimos por la masa queda:
O + 2! V + Q = 0
donde ! es un coeficiente que determina el tipo de comportamiento del sistema y

viene dado en función del coeficiente de amortiguamiento crítico "#$
"
!=
"#$
"#$ = 2 ∙
∙ = 2√ ∙
Figura 2.9 Representación de la vibración libre de un sistema críticamente amortiguado,

sobreamortiguado, y subamortiguado.
En la figura 2.9 se ha representado el desarrollo de una vibración

amortiguada para tres situaciones diferentes que vienen dadas en función del
parámetro !:
• Si !=0: el sistema retorna a su posición inicial de equilibrio sin oscilar, y por

tal razón es denominado como un sistema “críticamente amortiguado” o
sistema con “amortiguamiento crítico”.

• Si !>1: el sistema no oscila pero retorna a su posición de equilibrio
lentamente, por lo que se le conoce como sistema “sobre-amortiguado”.
• Si !<1: el sistema oscila alrededor de la posición de equilibrio con una

amplitud que decrece progresivamente, y es llamado sistema “sub-
amortiguado”. Es la situación que normalmente se presenta en los
sistemas mecánicos.
Como ya se mencionó con anterioridad, un sistema con N grados de

libertad puede considerarse como un conjunto de N sistemas de un grado de
libertad cada uno. Como consecuencia de esto, cuando un sistema con N grados
de libertad vibra, lo hace de tal forma que su vibración resulta de la combinación
de todos y cada uno de los modos fundamentales de vibración de los estos N
sistemas de un solo grado de libertad. En la siguiente figura se muestra una
vibración compuesta por tres vibraciones no amortiguadas de tres sistemas con
un grado de libertad.
Figura 2.10 Descomposición/composición de una señal vibratoria en/a través de un conjunto de

señales armónicas.
La determinación de las frecuencias propias o modos naturales de

oscilación se puede llevar a cabo por dos vías diferentes:
• Experimentalmente: mediante la realización de ensayos de impacto

en el que se registran las señales temporales de vibración
(velocidad y aceleración) cuando el sistema y sus elementos se
excitan mediante un impacto puntual utilizando que lo haga vibrar
libremente. Tras esto se realiza un análisis espectral de las señales

de vibración libre mediante la instrumentación o el software
informático correspondiente para calcular las propiedades
espectrales las periodicidades temporales de la señal vibratoria.
• Matemáticamente: para ello, a partir de las características

dimensionales y de diseño de la pieza a analizar, se obtienen unas
ecuaciones que modelizan su comportamiento vibratorio.
Actualmente existen diversos métodos matemáticos, entre los que
destaca el Método de Elementos Finitos, para la obtención de
dichas ecuaciones, a la vez que potentes programas informáticos
para realizar dicha modelización y el cálculo de las frecuencias de
resonancia de complejas estructuras y sistemas mecánicos.
El conocimiento de todas las frecuencias naturales es fundamental para

establecer el mejor régimen funcional de un equipo, discriminando aquellas que
puedan dar lugar a resonancias, permitiendo a su vez interpretar las razones de
determinados eventos espectrales y asociarlos con el comportamiento dinámico
de la máquina, puesto que son numerosos los problemas causados por
fenómenos resonantes en los equipos industriales que podrían evitarse si se
dispone de la información necesaria acerca del comportamiento en frecuencia de
los mismos.
2.3.2.3 Diagrama de Bode.

Los diagramas de Bode consisten en unas representaciones gráficas en los
que vienen representadas simultáneamente la amplitud de las vibraciones y la
fase de la misma en función de la velocidad de giro del equipo.
Figura 2.11 Ejemplo de diagrama de Bode.

La aplicación más extendida de esta técnica y que además es una de las
utilizadas durante la realización del presente trabajo de investigación es la de la
determinación de velocidades críticas que son aquellas cuya frecuencia coincide
con alguna de las frecuencias naturales del conjunto rotórico, pero también otras
frecuencias que coincidan con las de resonancia de algún otro elemento
estructural del equipo. La determinación de estas velocidades es tremendamente
útil puesto que cuando la velocidad de giro coincide con dichas frecuencias se
producen dos circunstancias características, a saber:
• La amplitud presenta un máximo local, generalmente correspondiente al

máximo de la función representada, en la zona de frecuencia próxima a la
frecuencia de las velocidades críticas.
• Cuando al aumentar la velocidad de giro se pasa por una velocidad crítica,

de forma que la supera, se produce un cambio aproximado de 180º en la
fase. El punto medio de esta transición se corresponde con la condición de
resonancia.
Cabe mencionar que, aunque en menor grado, al ir variando la velocidad

de giro, es decir, la frecuencia de excitación de la vibración del equipo, para
obtener el diagrama de Bode o el Diagrama de Evolución de Armónicos que se
explica más adelante, se pueden observar otro tipo de defectos. El desequilibrio
es un claro ejemplo de determinación de defectos mediante la aplicación de esta
técnica puesto que se puede observar un aumento parabólico en la amplitud
acompañado de leves variaciones en la fase.
2.3.2.4 Espectro de frecuencias

Durante el proceso de medida de la vibración en máquinas se genera una
información tremendamente valiosa para concretar el correcto o deficiente
funcionamiento de la misma. El éxito de dicho análisis depende de la correcta
interpretación que se le dé a las señales de vibración que han sido capturadas.
Estas señales vibratorias se pueden analizar de dos formas distintas, la

primera es el análisis en el dominio del tiempo y la segunda un análisis en el
dominio de la frecuencia. La representación
entación de las señales en este segundo caso,
es decir en el de la frecuencia, recibe el nombre de espectro de vibración. Si, por
el contrario, el análisis de las señales capturadas es llevado a cabo en el dominio
del tiempo se denomina análisis de la form
forma de onda.
El análisis espectral se presenta como la técnica más comúnmente

empleada para el diagnóstico de fallos en equipos dinámicos y se define como la
transformación de una señal vibratoria que inicialmente se encuentra en el
dominio del tiempo en unaa señal en el dominio de la frecuencia empleando la
técnica matemática conocida como la transformada de Fourier (ver anexo I), de
forma que la señal inicialmente compleja y compuesta por varias señales
vibratorias con frecuencias diferentes es separada en funciones armónicas simples
y mostrada en un diagrama, el espectro de vibración, en el cual los niveles de cada
componente vibratorio puede ser fácilmente identificado (ver figura 2.1
2.13).
Figura 2.12 Representación de la descomposición de una señal temporal de vibración en sus

señales sinusoidales constituyentes y elaboración del espectro de frecuencias correspondiente.
Mediante una correcta interpretación de los espectros de vibración se

consiguee identificar fallos típicos en los equipos dinámicos tales como
desequilibrios rotóricos, desalineación, solturas mecánicas, defectos en
rodamientos, fallos eléctricos, etc. La idea fundamental de esta técnica es la de
encontrar la relación existente entree la frecuencia de las señales que constituyen
el espectro y la frecuencia de las fuerzas dinámicas que generan las vibraciones
captadas.
Considérese como ejemplo teórico el sistema mecánico representado en la

figura 2.14 constituido por una bomba centrí
centrífuga, un motor de 1450 rpm y la

unión entre ambos realizada a través de una corona de 30 dientes y un piñón de
10 dientes.
Figura 2.13 Representación de un sistema mecánico formado por una bomba centrífuga y un
motor de 1450 rpm.
A partir de los datos que aparecen en la figura anterior se pueden calcular

las principales frecuencias de interés, a saber:
• Frecuencia del motor: 1450 rpm = 24,2 Hz.
• Frecuencia de la bomba: Z10\30]dientes · 1450 rpm = 435 rpm = 7,25Hz
• Frecuencia de engrane: 10 dientes · 1450 rpm = 14500 rpm = 242 Hz
• Frecuencia paso de álabe: 8 álabes · 435 rpm = 3480 rpm = 58 Hz
En este equipo supuesto se tienen dos ejes (motor y bomba). En el caso del
motor, el valor de la frecuencia de giro, también llamado 1x, es de 24,2 Hz,
además probablemente encontremos un pico de frecuencia en el espectro en el
armónico superior, o múltiplo natural de la velocidad de giro, 242x que se
corresponde con la frecuencia de engrane entre el piñón y la corona. Para la
bomba, el valor 1x es de 7,25 Hz, y su principal armónico de interés es el 8x que se
corresponde con la frecuencia de paso de álabe. Obviamente, pueden aparecer
otras frecuencias como bandas laterales en la frecuencia de engrane, frecuencias
de cojinetes y armónicos de las frecuencias calculadas.

En la figura 2.14 se representa un posible espectro de la vibración
resultante en el equipo supuesto, lo que se conoce también como firma espectral
de la vibración del equipo:
Figura 2.14 Espectro de vibración del equipo supuesto en la figura 2.13
Una vez identificadas las frecuencias de interés, la siguiente cuestión es si

el valor de su amplitud es aceptable o inaceptable. Un valor de vibración
aceptable es aquel que no causa una reducción en la vida de la máquina ni causa
daños en los equipos cercanos. Algunas máquinas están diseñadas para tolerar
niveles de vibración extremadamente altos (por ejemplo molinos de grano) y
otros equipos son muy sensibles incluso a la más leve vibración (por ejemplo
sistemas ópticos).
Existen diferentes referencias de patrones espectrales para los defectos

más frecuentes en los equipos. El referente inicial de todos ellos es la tabla Shore
[37].
Sin embargo, hay que tener en cuenta que la vibración varía en función de
las condiciones de trabajo y del montaje del equipo, por lo que la forma óptima de
realizar esta determinación es mantener un registro de datos a lo largo del tiempo
de los puntos críticos de la máquina y a partir de estos datos establecer criterios
de referencia de los niveles aceptables.
Es muy importante, por consiguiente, disponer de una firma espectral de la

máquina cuando se tiene la certeza de que está en buenas condiciones, lo que

también se conoce como firma basal, con el fin de poder compararlo con los
espectros sucesivos.
2.3.2.5 Mapa espectral.

Como ya se ha mencionado en el punto anterior en el ámbito del
mantenimiento predictivo y proactivo industrial, la técnica del análisis espectral
de vibración ocupa un lugar destacado por sus posibilidades de diagnóstico de los
equipos.
Noo obstante, el análisis de espectros individuales aislados puede plantear

dudas en cuanto a la interpretación de los mismos por lo que los analistas
especializados recuren en la gran mayoría de los casos a un tipo de representación
que permite extraer muchaa más información. Estas representaciones son los
llamados diagramas en cascada o mapas espectrales y constituyen una
herramienta importantísima para el diagnóstico de eq equipos dinámicos. Como se
decía en el apartado anterior, comparar la evolución espectra
espectral respecto a la firma
basal.
Los mapas espectrales son representaciones tridimensionales formadas o

constituidas a partir de un conjunto de espectros individuales representados
normalmente en el dominio dee la frecuencia (ver figura 2.15
2.15). Cada uno de estos
espectros puede estar tomado en fechas distintas, pero manteniendo el régimen
funcional del equipo, o como respuesta del equipo ante una frecuencia de
excitación variable, por ejemplo al ir aumentando la velocidad de giro del motor
mediante un variador de frecuencia.
Figura 2.15 Ejemplo de mapa espectral.

En estos mapas espectrales se ven destacados los picos espectrales de
mayor amplitud de forma que se puede examinar cuál ha sido su evolución a lo
largo del tiempo durante las sucesivas medidas, de forma que permite al analista
de vibraciones establecer conclusiones más acertadas y de forma más sencilla que
si se analizan de forma individual los espectros de frecuencia.
2.3.2.6 Diagrama de evolución de armónicos.

La metodología denominada diagrama de evolución de armónicos [Gómez
de León, 1997] es una metodología que tiene por finalidad principal la
interpretación y el tratamiento de la información espectral obtenida a partir de
los diagramas en cascada de diversas mediciones de vibración (fig. 2.16) así como
la implantación de esta técnica en sistemas de monitorización de equipos
dinámicos.
Figura 2.16 Ejemplo de obtención de un diagrama de evolución de armónicos a partir de un mapa

espectral.
Una correcta representación de la evolución seguida por los principales

componentes frecuenciales del espectro de vibración de un equipo facilita
notablemente la interpretación de los aspectos más relevantes del mismo y por
tanto la identificación de anomalías funcionales en la propia máquina.
La elaboración de un diagrama de evolución de armónicos consiste

básicamente en el trazado de un plano vertical móvil en términos de frecuencia de

forma que atraviesa los picos de frecuencia de las señales espectrales que
conforman el diagrama en cascada.
Estas representaciones bidimensionales que pueden venir en función de la

velocidad o de la frecuencia de giro del equipo facilitan enormemente las
operaciones de comparación entre las señales permitiendo al analista realizar
mediante el correspondiente análisis espectral del diagrama realizar como mínimo
los siguientes análisis e identificaciones:
• Localización de líneas de evolución de la frecuencia con cierta continuidad.

• Discriminación de aquellas líneas que se corresponden con frecuencias que
son múltiplos (armónicos) o submúltiplos (sub-armónicos) de la velocidad
de giro del equipo.
• Identificación de frecuencias fijas.
• Identificación de velocidades críticas.
• Identificación de otras líneas o frecuencias influyentes.
Durante el proceso de análisis de análisis e identificación de frecuencias o

velocidades en el diagrama de evolución de armónicos se lleva a cabo una toma
de decisiones que aparentemente son sencillas pero que, sin embargo, no
responden a reglas rígidas y que dependen enormemente tanto de las
particularidades del ensayo que se ha llevado a cabo como de diversos factores de
naturaleza aleatoria que a priori no se pueden prever. Por otra parte, puesto que
la adquisición de la señal de vibración discretiza la variable real, los valores
obtenidos dependen de la electrónica del sistema de medida (por ejemplo del
número de bits del Convertidor Analógico/Digital) y de la resolución en frecuencia
del espectro (que es directamente proporcional al número de valores del espectro
e inversamente al ancho de banda)
Por todo ello, el término anteriormente utilizado como “línea” debe
entenderse como una sucesión de picos espectrales encerrados dentro de una
banda de frecuencias y la continuidad de las mismas no debe de interpretarse en
sentido estricto matemáticamente sino que debe considerarse como una
repetición o persistencia del mismo fenómeno físico cuyo cambio inesperado lleva
al analista a extraer conclusiones del fenómeno que se está produciendo. Hay que

tener en cuenta que en ciertos casos los márgenes asignados a la banda de
frecuencias son excesivamente grandes por lo que uno o varios fenómenos de los
que se producen en el equipo pueden pasar desapercibidos incluso a los ojos de
un experto en análisis de vibración. Esto sin duda supone una complicación
interpretativa que será preciso estudiar en cada caso.
2.3.2.7 Técnicas para el análisis de rodamientos

La aparición de un defecto en una máquina conlleva, normalmente, ciertas
modificaciones en su comportamiento dinámico, lo que produce variaciones en
los rodamientos.
Existen multitud de técnicas específicas para detectar fallos incipientes en

los rodamientos, tales como: lubricación deficiente o inadecuada, fatiga
prematura, montaje deficiente (desalineación, huellas por golpes,…),
contaminación, un defecto puntual en anillos o elementos rodantes (grieta,
picadura, huella, indentación,…), etc.
La mayoría de estas técnicas se basan en la medida de la aceleración de la

vibración en alta frecuencia, generalmente por encima de los 2 kHz y/o en el
análisis de envolvente de la señal filtrada. Técnicas como SPM, Spike Energy, BCM,
SEE, REBAM, Aeff... son algunas de estas técnicas. La última de las técnicas citadas
junto con la medida directa de la envolvente de la misma son las utilizadas a lo
largo de esta tesis.
2.4 Fundamentos de los Sistemas de Gestión de la Información

Los Sistemas de Gestión de la Información (SI), figura 2.17, son el resultado
de la interacción colaborativa entre personas, tecnologías y procedimientos
orientados a solucionar problemas empresariales. Estos se diferencian de otros
sistemas de información más comunes en que para analizar la información utilizan
otros sistemas involucrados en las actividades operacionales de la organización.
Por lo tanto, estos sistemas se pueden definir como un conjunto métodos o
sistemas de gestión de la información vinculada a la automatización y al apoyo
humano de la toma de decisiones. Otros ejemplos de sistemas “hermanos” serían
los Sistemas de Apoyo a la Decisión, los Sistemas Expertos y los Sistemas de
Información para Ejecutivos.
Figura 2.17 Esquema Básico de un Sistema de Gestión de la Información
A continuación se describen los sistemas de gestión de la información más

comunes en las empresas industriales.
2.4.1 ERP
Los sistemas de planificación de recursos empresariales (ERP, por sus
siglas en inglés, Enterprise Resource Planning) son sistemas de gestión de la
información que integran y gestionan diferentes áreas de negocio asociadas con
las operaciones de producción y de los aspectos administrativos de una compañía.
Los sistemas ERP generalmente integran (figura 2.18):
• Gestión de Compras
• Gestión de Ventas
• Gestión Contable: contabilidad de clientes, de proveedores, activos,
personal..
• Control de Gestión
• Gestión de la producción (planificación, etc.)
• Gestión del Mantenimiento
• Gestión de la Calidad
• Gestión de Stocks (logística)
Figura 2.18 Estructura Básica de un ERP
Hoy en día es habitual emplear el término ERP para referirnos a los

programas de gestión que poseen las empresas para llevar a cabo sus procesos de
negocio, esto incluye: Compras, Ventas, Almacén, Contabilidad, Recursos
Humanos, etc… Estos sistemas están diseñados para modelar y automatizar todos
estos procesos, a la vez que posibilita la toma de decisiones dentro de la
organización de una forma rápida y eficaz.
Si hacemos un poco de historia, los antecedentes de los ERP datan de la

Segunda Guerra Mundial, cuando el gobierno estadounidense empezó a utilizar
programas especializados para controlar la logística u organización de sus
unidades en acciones bélicas.
Estas soluciones tecnológicas, conocidas como los primeros sistemas para

la Planificación de Recursos (Material Requirements Planning Systems o MRP-I
Systems), son el antecedente histórico más remoto de los actuales ERP.
Al final de la década de los 50 los sistemas MRP se trasladaron a los

sectores productivos empresariales, permitiéndoles llevar un control de diversas

actividades como control de inventario, facturación, o pago y administración de
nómina.
En las décadas de los años 60 y 70, conforme fueron evolucionando los

sistemas de gestión existentes, los sistemas MRP también evolucionaron. Para la
década de los años 80 estas soluciones tecnológicas se transformaron en lo que se
denominó los sistemas MRP-II o Planificación de la Producción (Manufacturing
Resource Planning) para el control de recursos, más allá de la mera disponibilidad
de materiales.
Así, a principios de los años 90 ya existían otros modelos de empresas:

comerciales, de servicios, financieras…, que necesitaban otro tipo de soluciones
para controlar sus procesos de negocio, por lo que los MRP-II se fueron ampliando
aun más para abarcar áreas como: Ingeniería, Finanzas y Contabilidad, Recursos
Humanos, Gestión de Proyectos…., es decir integraban la totalidad de las
funciones desarrolladas dentro de una empresa. Fue entonces cuando la
consultora americana Gartner (www.gartner.com) acuñó el término de ERP
(Enterprise Resource Planning o Planificación de Recursos Empresariales) tal y
como lo conocemos en la actualidad.
Hoy en día, figura 2.19, los sistemas ERP constituyen los sistemas de
negocio principal de la empresa, complementándose con otros sistemas de
información auxiliares, como, CRM (Customer RelationShip Management), ECM
(Enterprise Content Management), BPM (Business Process Management), BI
(Business Intelligence), etc…

Figura 2.19 Cuota de Mercado ERPs
Aspectos claves al hablar de un ERP
Como aspectos claves, o características principales que definen a los sistemas ERP,
nos encontramos con los siguientes:
• Integridad. Así como los distintos departamentos dentro de una empresa

están relacionados entre sí, los procesos que componen un ERP se
encuentran también interrelacionados de forma que la información fluye
entre los distintos procesos, evitando la duplicidad de información en
áreas estancas.
• Modularidad. Un ERP debe ser capaz de poder utilizarse en función de las
distintas áreas o módulos que se quieran controlar dentro de la empresa,
atendiendo a sus propias necesidades o requerimientos.
• Adaptabilidad. Es decir, la capacidad de adaptación del producto a la
empresa. Normalmente los ERP están diseñados para que los principales
procesos de gestión se puedan parametrizar o configurar según las
directrices de negocio marcadas por la empresa.

2.4.2 DCS y SCADA
SCADA, acrónimo de Supervisory Control And Data Acquisition

(Supervisión, Control y Adquisición de Datos) es un software que permite
controlar y supervisar procesos industriales (figura 2.20). Está basado en la
retroalimentación en tiempo real con los dispositivos de campo (sensores y
actuadores), y controla el proceso automáticamente. Provee de toda la
información que se genera en el proceso productivo (supervisión, control de
producción, almacenamiento de datos, etc.) y permite su gestión e intervención.
Figura 2.20 Pantalla de Control en SCADA
DCS, acrónimo de Distributed Control System (Sistema de Control

Distribuido), es un sistema de control y adquisición de datos aplicado a procesos
industriales complejos en las grandes industrias como petroquímicas, papeleras,
metalúrgicas, centrales de generación, plantas de tratamiento de aguas o la
industria farmacéutica (figura 2.21). Los primeros DCS datan de 1975 y
controlaban procesos de hasta 5000 señales. Las capacidades actuales de un DCS
pueden llegar hasta las 250.000 señales.

Figura 2.21 Esquema de Control de DCS
DCS vs SCADA + PLC
Las principales diferencias entre un sistema de control basado en un DCS y

un SCADA más un conjunto de PLCs (siglas en inglés de Controlador Lógico
Programable) son las siguientes:
1. Un DCS trabaja con una sola Base de Datos integrada para todas las
señales, variables, objetos gráficos, alarmas y eventos del sistema,
mientras que un SCADA más PLC tienen cada uno la suya de forma
independiente y que hay que comunicar entre sí mediante algún protocolo
común.
2. En un DCS la herramienta de ingeniería para programar el sistema es sólo
una y opera de forma centralizada para desarrollar la lógica de sus
controladores o los objetos gráficos de la monitorización. Desde este
puesto de ingeniería se cargan los programas de forma transparente a los
equipos del sistema. Por el contrario, un SCADA tiene su entorno de
programación y los PLCs el suyo trabajando de forma independiente.

3. En un DCS, la plataforma de programación es multiusuario de forma que
varios programadores pueden trabajar simultáneamente sobre el sistema
de forma segura sin conflictos de versiones.
4. Un DCS dispone de herramientas para la gestión de la información de
planta, integrándola verticalmente hacia la cadena de toma de decisiones
y otros sistemas ubicados más arriba en la jerarquía de la producción.
Redundancia
Todo DCS lleva implícitas las características de robustez y fiabilidad, por

ello dispone de redundancia en todos los niveles antes descritos: equipos
informáticos redundantes, controladores redundantes, redes de comunicación y
buses redundantes, módulos de entrada/salida redundantes y así sucesivamente.
Esta redundancia permite alcanzar un factor de disponibilidad cercanos al
99,9999%, muy superior a los sistemas de control convencionales.
Interfaz humano-máquina
Una interfaz Hombre - Máquina o HMI (acronimito ingles de "Human

Machine Interface") es el aparato que presenta en una pantalla los datos a un
operador y a través del cual éste controla y puede operar el proceso (figura 2.22).
Figura 2.22 Pantallas HMI

Los sistemas HMI podemos pensarlos como una "ventana de un proceso".
Esta ventana puede estar en dispositivos especiales como paneles de operador o
en un ordenador.
2.4.3 MES
MES es el acrónimo inglés de Manufacturing Execution System, en español

Sistema de Ejecución de la Producción.
Los sistemas MES dirigen y monitorizan los procesos de producción en la

planta, incluyendo la generación manual o automática de informes, así como la
información on-line y enlaces a las tareas que tienen lugar en la planta de
producción. El sistema MES suele incluir enlaces a órdenes de trabajo y
producción, recepción de mercancías, transporte, control de calidad,
mantenimiento, programación y otras tareas relacionadas.
MES es la capa del sistema entre el ERP y los sistemas o dispositivos de

control de la planta, como PLCs + SCADA para equipos aislados o DCS para líneas
completas producción (figura 2.23)
Figura 2.23 Interacción Sistema MES

Los datos que se utilizan para el MES son los mismos datos que se utilizan
para los sistemas de Procesos de Desarrollo de Sistemas de Ejecución (PDES). Sin
embargo, un PDES se utiliza para desarrollar los procesos de producción, mientras
que MES es utilizado para ejecutar y monitorizar la producción en tiempo real
utilizando los procesos desarrollados.
Las principales razones para implementar un MES son:
• Automatizar la gestión de stock

• Planificación en tiempo real, incluyendo la gestión de prioridades
• Automatización de informes sobre la producción
• Seguimiento de indicadores KPI (Key Performance Indicator)
• Gestión de evento o excepción
• Seguimiento de producto o material
• Decisiones inteligentes para influir gestión de producción y coste
• Facilidad de gestión de recursos, incluyendo inventario y personal.
Los sistemas MES, módulos y función (figuras 2.24 y 2.25), están alineados con
el estándar internacional ISA 95 (www.isa-95.com) del grupo MESA
(www.mesa.org), que es una organización independiente relacionado con los
estándares MES.
Figura 2.24 Niveles de Automatización según ISA 95

Figura 2.25 Niveles ISA 95 vs Aplicación Informática
2.4.4 BI
Se denomina inteligencia de negocios o BI (del inglés Business

Intelligence), al conjunto de estrategias enfocados a la administración y creación
de conocimiento sobre el medio, a través del análisis de los datos existentes en
una organización o empresa.
El término inteligencia de negocios se refiere al uso de herramientas o

sistemas inteligentes de análisis de datos en una empresa para facilitar la toma de
decisiones. Mediante la comprensión del funcionamiento actual de la empresa,
podremos anticipar acontecimientos futuros, con el objetivo de ofrecer
conocimientos para respaldar las decisiones empresariales.
Las herramientas de inteligencia analítica posibilitan la personalización de

presentaciones, basadas en consultas, para crear un cuadro de mando integral
que sirve de base para la mejora del control del estado de la empresa, así como
para la presentación de informes e indicadores de gestión (figura 2.26),
comúnmente conocidos como KPIs (Key Performance Indicators)

Figura 2.26 Cuadro de Mandos BI (Balance Scorecard)
Este conjunto de herramientas y metodologías tienen en común las siguientes

características:
• Accesibilidad a la información. Los datos son la fuente principal de este

concepto. Lo primero que deben garantizar este tipo de herramientas y
técnicas será el acceso de los usuarios a los datos con independencia de la
procedencia de éstos.
• Apoyo en la toma de decisiones. Se busca ir más allá en la presentación de

la información, de manera que los usuarios tengan acceso a herramientas
de análisis que les permitan seleccionar y manipular sólo aquellos datos
que les interesen.
• Orientación al usuario final. Se busca independencia entre los

conocimientos técnicos de los usuarios y su capacidad para utilizar estas
herramientas.

Capítulo Tres
3 Estado del Arte.
La globalización que se ha producido en la última década está ofreciendo a
las compañías industriales grandes oportunidades de crecimiento, mercados más
amplios, mejores condiciones para la compra, un entorno de producción más
favorable, pero este fenómeno supone enormes retos para la industria. Las
empresas necesitan aumentar su productividad y aportar al mercado productos
más personalizados, eficientes y de mayor calidad, para sobrevivir a la
competencia global.
En este entorno globalizado, las claves para que una compañía tenga éxito
es una buena combinación de los siguientes “ingredientes”:
• Una optima gestión de los recursos, humanos y materiales.

• Una producción flexible y personalizada, compatibilizando la pequeña y la
gran escala
• Una integración de procesos de todas las áreas de gestión de la empresa a
través del uso del software adecuado.
Actualmente la industria se encuentra en un momento decisivo para dar el

paso a una nueva revolución industrial denominada como Industria 4.0, donde la
interconectividad de dispositivos, máquinas y personas es la base para la mejora
productiva y su flexibilización para acometer las, cada vez, más exigentes
necesidades por parte de los clientes, y por extensión la Sociedad. El paso ya dado
hacia una “sociedad de la información”, debe ser ahora conducido hacia las
fábricas, creando “plantas inteligentes” donde la gestión de la información pasa a
ser la base de la mejora continua y de la optimización de procesos.
Los sistemas y procedimientos desarrollados en la presente tesis están en

consonancia con las nuevas líneas de investigación y desarrollo presentes en los
actuales ambientes fabriles, englobadas dentro de la filosofía conocida como
“Industria 4.0”, de forma que estos sistemas y procedimientos sean fácilmente
integrables y escalables a fábricas del mismo o diferente sector.

A continuación se describe las principales características de esta nueva
revolución industrial, definida como Industria 4.0, y seguidamente el estado actual
de implantación en el sector industrial.
3.1 Industria 4.0.
El término Industria 4.0 fue inicialmente acuñado por el gobierno alemán

para describir la fábrica inteligente, una visión de la fabricación informatizada con
todos los procesos interconectados a través del denominado como “el Internet
Industrial de las Cosas” (I2OT).
Figura 3.1 Esquema Industria 4.0
Este nuevo concepto de Industria 4.0, fue presentado por primera vez en la
Feria de Hanover (salón de la tecnología industrial) en el año 2011. Más tarde, el
año 2013, en esta misma feria, fue presentado un pormenorizado informe
detallando este concepto y sus implicaciones. Esta nueva “re-industrialización” es
uno de los proyectos clave de la estrategia de modernización de las industrias del
gobierno alemán, que promueve la revolución digital de las industrias.
Actualmente, los países punteros en el concepto de Industria 4.0 son

Alemania y Estados Unidos, seguidos de cerca por Japón y Francia. En España,
empresas como Tecnalia (www.tecnalia.com), Ibermática (www.ibermatica.com),
o el conglomerado de centros tecnológicos del País Vasco IK4 Research Alliance

(www.ik4.es), están actuando como punta de lanza para la implantación de
soluciones de Industria 4.0 en el tejido empresarial español.
En Estados Unidos el proyecto "Smart Manufacturing Leadership Coalition

(SMLC)" se orienta también a las modalidades de la fabricación industrial del
futuro, en línea con la Industria 4.0.
Este concepto de Industria 4.0 sigue la idea que el mundo se encuentra en

los prolegómenos de lo que podría llamarse la Cuarta Revolución Industrial.
Después del desarrollo de la máquina de vapor y de la mecanización (segunda
mitad del siglo XVIII), después del desarrollo de la electricidad con fines
domésticos e industriales (fin del siglo XIX), y después de la automatización (siglo
XX), la nueva etapa (cuarta etapa) de la transformación industrial (figura 3.2) muy
posiblemente estará sustentada en la llamada fábrica inteligente, caracterizada
por la interconexión de máquinas y de sistemas de producción, y también
caracterizada por un fluido intercambio de información con el exterior (con el
nivel de oferta y demanda de los mercados, y/o con los clientes, y/o los
competidores, y/o con otras fábricas inteligentes, etc).
Figura 3.2 Cronología de Las Revoluciones Industriales

El objetivo global que pretende alcanzarse es la puesta en marcha de un
gran número de “Fábricas Inteligentes” (“Smart Factories”) capaces de una mayor
adaptabilidad a las necesidades y a los procesos de producción, así como a una
asignación más eficaz de los recursos, abriendo así la vía a una nueva revolución
industrial, como se ha comentado en el párrafo anterior, la denominada como
Cuarta Revolución Industrial.
Este concepto de Industria 4.0 que se presenta no es una realidad ya

consolidada y experimentada sino un nuevo hito en el desarrollo industrial que sin
duda marcará importantes cambios en los próximos años, haciendo un uso
intensivo de Internet y de la alta tecnología con el fin primordial de desarrollar
plantas industriales más inteligentes y más respetuosas con el medio ambiente, y
con cadenas de producción mucho mejor comunicadas entre sí, que puedan
atender de forma más adecuada los mercados de oferta y demanda.
3.1.1 Bases de la Industria 4.0
Las principales bases en que se apoya esta “nueva revolución” son las
siguientes:
1. Máquinas trabajando CON humanos. Las máquinas no van a sustituir a las

personas. El factor fundamental en la Industria 4.0 es el ser humano, el
trabajador interactuará con la máquina de forma colaborativa. En las áreas
creativas de la producción (como el diseño de la producción y del
producto) la inteligencia humana seguirá siendo clave. A nivel operativo,
los empleados continuarán ejerciendo un papel central, pero como
planificadores, creativos, controladores y supervisores, más que en la
ejecución de actividades manuales. Y por último, pero no menos
importante, muchos modelos de negocio, procesos internos y redes
centralizadas de creación de valor necesitarán ser implementadas y esto
nunca podrá hacerlo una máquina.
2. Fabricación “adaptable”. La nueva fábrica 4.0 se adaptará constantemente
a las necesidades de la sociedad o del cliente, variando la producción y
creando productos personalizados. En línea con la actual cultura de
“hágalo usted mismo” (Cultura Maker)

3. Instalaciones Autónomas. Plantas “autogestionables” y cadenas de
producción que se configuran de manera más flexible para dar respuesta a
situaciones de producción cambiantes según la demanda del mercado.
4. Información en tiempo real. Todos los datos que se derivan del proceso de
fabricación están disponibles en tiempo real en todas las áreas que
integran la empresa para mejorar la eficiencia de la planta y controlar a
tiempo posibles fallos o errores.
El desarrollo de los sistemas ciberfísicos, así como el desarrollo de

aplicaciones capaces de gestionar y analizar ingentes cantidades de datos
generados a través de estos sistemas, conocido como sistemas “Big Data”,
serán fundamentales para la consecución de los puntos 3 y 4
5. Fusión entre lo “virtual” y lo “real”. Integración del diseño del producto y

la ingeniería de producción basada en una plataforma empresarial digital
común. El producto se diseña y prueba virtualmente para corregir posibles
errores antes de fabricar la versión real.
3.1.2 Internet Industrial de las Cosas (I2OT)
El llamado “internet de las cosas” (Internet of Things IOT), fenómeno en

auge de conexión de personas, datos y máquinas (figura 3.3), que está siendo
impulsado por la proliferación de sensores conectados entre sí, también está
llegando a la industria (I2OT) para revolucionar los procesos tradicionales, con el
objetivo de adaptar la producción a las necesidades particulares de cada
consumidor en tiempo real.

Figura 3.3 Internet de las Cosas (IOT)
3.1.3 Sistemas Ciberfísicos (CPS)

Los sistemas ciberfísicos son un pilar básico para el desarrollo de la
Industria 4.0. Son definidos como tecnologías informáticas y de comunicación
incorporadas en todo tipo de dispositivos, dotándolos de inteligencia y una alta
eficiencia. Los sistemas ciberfísicos combinan funciones de comunicación, datos y
componentes mecánicos utilizando tecnologías claves que incluyen redes de
sensores, infraestructura de comunicación por Internet, gestión de eventos
inteligente y en tiempo real, provisión de servicios para el ‘Big Data’, funciones de
software embebidas para resolver lógicas, y operaciones automatizadas y gestión
de las actividades del sistema a través de toda la empresa (figura 3.4).

Figura 3.4 Sistemas Ciberfísicos
Aunque la implementación de estos sistemas se encuentra en una etapa de

temprana de desarrollo, algunas soluciones ha sido ya propuestas e
implementadas en entorno reales:
• Equipos de control de una máquina herramienta para optimizar su

rendimiento en tiempo real.
• Monitorizado del estado de la máquina o, en general, de un sistema y la
optimización de su estrategia de operación y mantenimiento.
• Robots que colaboran, tienen en cuenta información del contexto y
aprenden unos de otros.
• Vehículos que se comunican con otros y con la infraestructura viaria para
determinar la velocidad o la ruta adecuadas.
3.1.4 Big Data
Los sistemas de automatización industrial integran cada vez más sensores

y capacidades de comunicaciones, por lo que las fábricas deben ir ganando en
capacidad de reunir datos suficientes e interoperabilidad entre sus procesos. Pero
para lograr mejoras reales en la eficiencia de fabricación y flexibilidad, los
fabricantes deben ser capaces de gestionar y analizar estas grandes cantidades de
datos.

El desarrollo de soluciones potentes en el análisis de grandes cantidades
de datos y la gestión de este conocimiento se está volviendo un factor
determinante en las organizaciones. Las empresas deberán ir implementando
sistemas Big Data capaces de procesar, filtrar e interpretar a grandes cantidades
de datos procedentes del entorno de fabricación.
3.1.5 Situación actual de la Industria 4.0
Esta nueva forma de plantear la gestión dentro de un entorno fabril no es

una realidad ya consolidada, por lo que aún debe de crecer e introducirse como
un estándar en la industria del futuro. Actualmente existen algunos casos de éxito,
no muy abundantes, donde se ha conseguido aplicar esta filosofía, parcial o
globalmente, de una manera exitosa. A continuación se descubren algunos de
estos casos de éxito.
Empresas dedicadas al Retail, entre ellas la multinacional Nike, ya

permiten al cliente diseñar sus zapatillas, ropa y complementos a través de
aplicaciones web. Se pueden elegir texturas, tejidos, colores, con plazos de
entrega similares a los de los productos estándar.
Aunque esta cultura de la personalización ya existía a pequeña escala a

través de PYMEs, su radio de influencia era limitado y los volúmenes de
producción llegaban a un número limitado de clientes. La integración en las
grandes cadenas de producción de este tipo “adaptivo” de producción ha sido un
hito en la consecución de uno de los pilares de la Industria 4.0
En la misma línea, algunos fabricantes de productos alimentarios, como

“Muesli” dan la opción de personalizar, por ejemplo, los cereales de las barritas
(cantidades, ingredientes añadidos, embalaje).
La alemana Siemens cuenta con una fábrica futurista en Amberg (Baviera),

que es de las más “inteligentes” en Europa y que combina en su producción
tecnologías de “Big Data” e inteligencia artificial con excelentes resultados.
La multinacional de sistemas de gestión de la impresión y el almacenaje,

Zebra Technologies, ha creado una plataforma en “la nube” que permite
interconectar distintos dispositivos. Virtualizando los dispositivos (pdas, pistolas

de RF, sensores,…), la información generada por estos se encuentra disponible en
la nube para ser explotados por la industria de forma conveniente. Esta tecnología
es especialmente útil para industrias donde se deba tener controlado algún
parámetro desde la salida del producto de fábrica hasta su recepción por el
cliente, por ejemplo, la industria farmacéutica o alimentaria, cuyos productos
exigen un rango de temperatura determinado desde que salen de la fábrica hasta
que llegan al usuario.
Otra empresa que está haciendo grandes progresos es la multinacional

alemana SAP, que está desarrollando con BMW una plataforma en la nube que
sirva de enlace entre la automovilística y socios externos para ofrecer diferentes
tipos de servicios.
Esta misma empresa, SAP, también oferta ya unas gafas “inteligentes” que
sustituyen a las pistolas RF en los procesos de picking en almacenes. Estas gafas
ayudan a los operarios indicándole, gracias a la implementación de la realidad
aumentada, los paquetes / ítems que deben gestionar, además de otras
aplicaciones interactivas, como ayuda para los automantenimientos,
configuración de equipos y demás
Figura 3.5 Imagen de las gafas inteligentes de SAP
En Francia, las sociedades como Dassault Systèmes, EADS, Astrium… están

muy implicadas en el desarrollo de la Industria 4.0, habiendo realizado grandes
avances en los sistemas de planificación de la producción, principalmente en sus

fabricas de ensamblado, donde la gestión de la cadena de suministro es el punto
crítico.
Mirando hacia España, La empresa IPF, fabricante de líneas de gestión de

bloques de poliuretano flexible, decidió hace dos años cambiar de estrategia
desde lo puramente físico, hacia la venta de servicios relacionados con el
conocimiento, implementando algunos conceptos relacionados con Industria 4.0.
El cambio estratégico de la empresa ha proporcionado el desarrollo de
nuevos productos y una mejora exponencial de sus resultados económicos
mediante la incorporación de la monitorización de datos en máquinas y plantas
industriales en base a los nuevos sistemas de gestión de la información en la
nube.
IPF han desarrollado una plataforma denominada MyFoamPlant que
conecta a diferentes fábricas por todo el mundo a una red de know-how. El
objetivo del proyecto se basa en aprender basándose en información recogida
desde varias plantas, obteniendo así un conocimiento colectivo que permite
ofrecer servicios relacionados con la mejora en la fabricación. Además ha
permitido crear un modelo de negocio basado en la explotación de dicho
conocimiento.
Esta interconectividad entre plantas, y la explotación eficiente de la
información simultánea, obteniendo conocimiento aprovechable, es una de las
bases fundamentales del concepto Industria 4.0, siendo un proceso que cada vez
más empresas consideran estratégico, pero es complejo ya que son muchas las
barreras que hay que superar, tanto organizativas como tecnológicas
3.1.6 Aplicabilidad a la Industria de Síntesis Química.
Esta “revolución” implica un elevado grado de automatización y de

digitalización de las fábricas, recurriendo al uso intensivo de Internet y redes
virtuales, con el objetivo de modernizar las fábricas hasta transformarlas en
“inteligentes”, caracterizadas por una intercomunicación en tiempo real entre los
diferentes equipos de producción o auxiliares que componen las cadenas de
producción, de aprovisionamiento y de logística, en definitiva, toda la cadena de
suministro. La alta sensorización aporta a las máquinas de la planta una capacidad
de autodiagnóstico de su situación que permite un control de la producción en
tiempo real.

La industria química, debido a la peligrosidad intrínseca de sus procesos de
producción (síntesis química), presenta un nivel de automatización y sensorización
bastante elevado, pero en la mayoría de los casos equivocadamente dirigido
principalmente a la gestión del riesgo en la planta, no siendo utilizada esta
información para la mejora de los procesos productivos.
Una de las grandes deficiencias actualmente de la fabricación química por

lotes es el conocimiento en tiempo real del estado de cada uno de los equipos
productivos, de los equipos de servicios auxiliares (utilities) que los sustentan, así
como las interacciones entre ambos. En este punto, los sistemas de Ejecución de
la Producción (MES) tendrán un rol cada vez más importante. El grado de
conectividad entre el nivel de automatización en planta (DCS) y el de gestión de la
empresa (ERP), a través de la capa intermedia MES, se incrementará
significativamente, incluso más allá de los límites de la empresa y su ubicación. La
integración de los niveles entre el Sistema de Planificación de Recursos de la
Empresa (ERP) y el de la ejecución de la producción (MES) también avanzará para
alcanzar transparencia completa inclusive con los datos del negocio, lo cual
implicará que toda la información necesaria estará disponible en tiempo real.
La sensorización global de la planta, unida al control en tiempo real de las

existencias de materias primas, de los productos semiacabados, de producto final
y de la fase de producción y estado de cada uno de los equipos productivos,
introduce una gran flexibilidad en la producción y la planificación de esta, así
como una gran adaptabilidad a situaciones fortuitas y límites, contribuyendo al
aumento y mejora de la producción.
Las particulares necesidades de cliente y proveedores, que de alguna

manera se encuentren involucrados con el proceso productivo, pueden ser mejor
contempladas y por lo tanto planificadas a través de los sistemas avanzados de
planificación que serán alimentados con la información mencionada en el párrafo
anterior. Además y gracias a este elevado nivel de flexibilidad y adaptabilidad de
la producción podremos ser capaces de atender las necesidades particulares de
los clientes sin mantener stocks elevados y asegurando buena satisfacción a todos
o a la mayoría de los clientes.

La utilización de sistemas avanzados de producción, tipo PREACTOR
(www.preactor.com) o similares, que recojan la información a través del MES del
estado de los equipos en tiempo real es, por decirlo de alguna manera, residual.
Actualmente la planificación de la producción, en un número elevado de casos,
suele estar gestionada por métodos anticuados y poco interconectados (archivos
Excel con macros o incluso papel), y en otro número de casos a través de los
módulos estándares de gestión y planificación de la producción, que en el fondo
realizan una gestión muy básica, sin algoritmos complicados ni personalizados, y
lógicamente, con la imposibilidad de replanificaciones ágiles y sencillas ante
imprevistos, como una parada de equipo, una materia prima que no ha llegado a
tiempo y otras situaciones fortuitas.
Un sistema basado en la Industria 4.0 es capaz de generar un flujo de

información en tiempo real, muy superior al que podría disponerse si se usaran
modos de producción más tradicionales. Además, estas informaciones son
intercambiadas rápidamente, de forma interna, directamente o a través de
sistemas tipo BI /Iintranet, o de forma externa, a través de Internet (portales de
clientes o proveedores), lo que abre interesantes sinergias con los clientes
internos, con los proveedores logísticos, e incluso con los clientes externos,
pudiendo ajustar de manera más fácil la producción a situaciones anómalas o
cambiantes. En la Industria 4.0 se hace imprescindible la utilización de software
capaz de gestionar, filtrar e interpretar toda la información recabada a través de
todos los sistemas de gestión.
El almacenamiento de datos generados por los diferentes elementos de la

cadena de producción permite producir réplicas virtuales de la totalidad o de
parte de esa cadena, facilitando la programación de simuladores y “entrenadores”
para familiarizar, por ejemplo, a nuevos operarios en el manejo de herramientas y
equipos. Además estos simuladores pueden ser configurados para reproducir
situaciones excepcionales o complejas que podrían suceder, y que por su
problemática es conveniente un entrenamiento previo. Gracias a todo esto
también se podría permitir a no especialistas solucionar, por sí solos, algunas
situaciones anómalas, informando a distancia a técnicos de mayor nivel sobre lo
que han observado, para así responder mejor y más rápidamente ante una
anomalía.

La Industria 4.0 también pretende responder a las problemáticas actuales
en cuanto al uso eficiente de la energía y de los recursos materiales y humanos.
Dentro de esta línea están incluidos los sistemas relacionados con la gestión
energética en tiempo real (EMS) y con la gestión de activos, o como se conoce
normalmente, la gestión del mantenimiento (MMS). Cabe resaltar que estas dos
áreas son de las menos desarrolladas dentro de los casos estudiados,
encontrándose escasas referencias al respecto.
En el caso concreto de la Gestión del Mantenimiento, solamente unos

pocos fabricantes, como la empresa Sisteplant con su software PRISMA
(www.sisteplant.com), proponen soluciones avanzadas e integradas con sistemas
MES, acorde con las líneas maestras de la Industria 4.0. Estos sistemas
comerciales presentan principalmente dos problemas, el primero es que suelen
ser concebidos dentro de las fábricas como islas sin interacción, o muy poca, con
los sistemas de gestión de la cadena de suministro, no siendo una información
relevante en la toma de decisiones. El segundo problema, es que suelen estar
desarrollados bajo plataformas propias, obligando a la empresa, habitualmente, al
mantenimiento y operación de dos plataformas diferentes, y a la creación de
interfaces para la interconexión de estos sistemas. Esto choca de frente con la
filosofía de trabajar bajo una única plataforma, quedando todo integrado en esta.
Por otro lado, los sistemas de gestión de la energía (EMS), implementados

habitualmente a través de la monitorización mediante analizadores de redes, se
encuentran bastante desarrollados, encontrándose en el mercado una elevada
cantidad de proveedores y con unos costes razonables. Estos sistemas, al igual
que los de gestión del mantenimiento, suelen ser concebidos como islas, con poca
interacción con el resto de los sistemas. En pocas ocasiones, y muy pocos
proveedores, como en el caso de Woderware, la información recabada a través de
estos equipos es utilizada a través del sistema MES, como por ejemplo, para el
cálculo automático de costes.
Aquí es donde la tesis desarrollada en el presente documento propone la

integración de ambos sistemas (MMS y EMS) en la gestión de la cadena de
suministro, de forma que esta información recabada a través de ambos sistemas y
relativa a la fiabilidad y mantenibilidad de los equipos sea considerada como
elemento clave en la toma de decisiones. A través del reporte en tiempo real del
estado funcional de los equipos rotativos, su planificación de revisiones en función
de su estado y criticidad, así como la monitorización en tiempo real de indicadores
que señalen posibles anomalías; los sistemas de gestión se nutrirán de
información clave para la previsión de situaciones anómalas, aumentando así la
flexibilidad en la producción y haciendo mucho más competitiva a la empresa, al
reducir sensiblemente las paradas no planificadas, los costes derivados de estas,
así como los costes derivados de un mal funcionamiento continuado de un
equipo.
Además de lo relatado en el párrafo anterior, gracias a este conocimiento

compartido, se aumentará sensiblemente la seguridad de la planta, desde el
punto de vista medioambiental e industrial, ya que al ser capaces de prever
paradas no planificadas, también seremos capaces de evitar situaciones derivadas
de estas paradas, como por ejemplo, una situación de runaway o de vertido
incontrolado.
Todo esto, será ampliado en los capítulos 4, 5 y 6 de la presente tesis.
3.1.7 Takasago como ejemplo (Fábrica de El Palmar – Murcia)
En el caso concreto de la empresa Takasago, en el año 2009 se realizó un

profundo cambio en organización de la empresa, con el objetivo de cambiar
drásticamente la forma de gestión de la empresa, obsoleta y muy poco eficiente,
con el objetivo principal de incrementar la competitividad ante la difícil situación
interpuesta por los competidores chinos e indios.
La situación tecnológica de la planta antes del mencionado cambio era

muy deficiente, presentando un nivel de automatización casi nulo, una
sensorización muy baja de los equipos, una gestión del mantenimiento basado
casi únicamente en un mantenimiento correctivo y unos sistemas informáticos de
gestión desfasados, no interconectados y sin herramientas de análisis. Esta
situación abocaba continuamente a la planta a paradas inesperadas de
producción con los consiguientes incumplimientos de fechas de entrega a los
clientes y la pérdida de confianza de estos, además de rendimientos bajos en los
procesos químicos y muy poco reproducibles.

Tras un profundo análisis de esta situación de partida, la dirección de
Takasago apostó firmemente por desarrollar tres de los pilares principales de la
Industria 4.0
• Automatización y Sensorización de los Equipos Productivos y Servicios

Auxiliares (Utilities), de forma que fuéramos capaces de conocer en
tiempo real el estado de todos ellos, ya sean productivos (reactores,
destiladores y tanques) o auxiliares (calderas, depuradora y purificadora,
compresores de aire, generadores de nitrógeno y torres de refrigeración)
• Introducción del concepto “tiempo real” dentro de la cadena de mando y

de toma de decisiones, a través de la implementación de Sistemas de
Gestión que cubrieran todas las áreas de la empresa, en especial todo lo
relacionado con la cadena de suministro.
• Introducción de sistemas BI y Plataformas de Intercambio de Información

que fueran capaces de gestionar, filtrar e interpretar toda la información
recabada, ayudando a la toma de decisiones en “tiempo real”, así como la
creación de portales colaborativos donde la información fuera compartida
y accesible para toda la organización.
Transcurridos 5 años desde el inicio del proyecto, se puede considerar que

Takasago presenta un avanzado estado de implementación de la llamada Industria
4.0, principalmente en aquellas líneas o áreas donde tiene su lógica la
implantación y donde el soporte tecnológico en el mercado es viable, es decir, con
tecnologías consolidadas a un precio razonable.
La imagen actual de los servicios y sistemas implantados en Takasago es la

siguiente (figura 3.6):

Figura 3.6 Sistemas de Gestión de la Información Implantados en Takasago
Actualmente Takasago se encuentra en el proceso de implantación del

sistema MES, una vez ya se ha consolidado el funcionamiento y operatividad del
sistema de gestión empresarial ERP (Navision- NAV -) y sus módulos, el sistema
DCS (Wonderware) de control en planta, la integración de Qlikview como sistema
BI en todas las áreas de gestión y la consolidación del portal colaborativo
desarrollado bajo Sharepoint, como zona de trabajo e intercambio de ficheros de
todos los departamentos (incluido los sistemas de gestión tipo ISO).
Existe un proyecto planificado para los próximos 3 años con el objetivo de

consolidar y mejorar el sistema MES y en paralelo un proyecto muy ambicioso
para la mejora de la cadena logística, desde el acopio de materia prima o
intermedios a los equipos de producción, hasta la recepción de la mercancía por el
cliente, donde se busca fundamentalmente la reducción de tiempos muertos o
redundantes en los procesos logísticos internos y externos, con el fin último de
flexibilizar aún más la producción y poder atender a las demandas de los clientes,
incluidas las no planificadas, manteniendo un nivel de servicio ”excelente” al
cliente.

Dentro de los proyectos ya implantados o en proceso, y que sirven como
ejemplo de acciones en línea con la Industria 4.0, podemos destacar los
siguientes:
• Implementación del Sistema de Control Distribuido (DCS). El primer punto

que se implementó fue toda la estructura de automatización, incluyendo la
sensorización de equipos, instalación de PLCs y elementos de control y por
último, el sistema DCS para el control global. Este proyecto ha supuesto un
profundo cambio en todos los aspectos técnicos de la empresa, consiguiendo
aumentos drásticos en los rendimientos, capacidades de producción y sobre
todo, información recopilada de los procesos, pieza fundamental para el
análisis y por tanto, la mejora continua.
Figura 3.7 Pantalla Control DCS
• Implementación del Sistema Global de Alarmas y Avisos. En paralelo con la

automatización y sensorización de los equipos de la planta, se desarrolló un
sistema de alarmas o avisos, que hacen actuar a la fábrica de forma
inteligente, precaviendo a los operarios, jefes de planta, responsables o
directores de departamento, de sucesos anómalos, incluso antes de que estas
anomalías pudieran provocar pérdidas en la producción o situaciones de
riesgo para la instalaciones y las personas. Esta información no se limita a
avisos en las pantallas HMI, sirenas y demás, sino que, se ha creado una
estructura jerárquica de avisos de forma, que en función de la gravedad de la
situación y de su evolución se envía aviso (por e-mail) a los responsables e
incluso a los directores de los departamentos implicados. Por lo tanto, se
puede decir que para una misma alarma existirá un escalamiento, en función
de su gravedad y/o su agravamiento, así como también de su resolución o no.
Figura 3.8 Pantalla Gestión Alarmas
• Implementación de Autodiagnósticos (Automantenimiento). Gracias al

elevado grado de automatización y sensorización de los equipos, se diseñaron
en los equipos más críticos, procedimientos automáticos de diagnóstico previo
y posterior a la ejecución del lote de fabricación. Como ejemplo, se han
diseñado dos test en equipos de destilación críticos; un test de
funcionamiento de válvulas, previo al arranque del equipo, y un test de
pérdidas y capacidades de vacío. Anteriormente estos test se realizaban de
forma manual a través de un protocolo, pero la reproducibilidad era baja, ya
que los operarios no siempre realizaban los test con la misma exactitud, dando
lugar a una información poco sólida para la toma de decisiones o resolución de
problemas.

Figura 3.9 Pantalla “Test de Fugas 401 y 402”
• Implementación del Sistema MES. Actualmente se tiene ya implementado la

información del estado de los equipos y servicios auxiliares en tiempo real. En
proceso, se encuentra el desarrollo de la comunicación con los módulos de
producción del ERP y con PREACTOR (módulo de planificación) para la gestión
automática de las Órdenes de Producción (OPs) a través de los PLCs y la
actualización automática en tiempo real del estado de la producción en el
módulo de planificación avanzada a corto plazo (APS)

Figura 3.10 Pantalla MES Estados Equipos Producción
Figura 3.11 Pantalla MES Estados Equipos Auxiliares
Figura 3.12 Pantalla MES Estados Tanques Materia Prima

• Implementación de un sistema avanzado de planificación de la producción.
Para este propósito se seleccionó el software Preactor de la empresa Siemens,
ya que este software, además de ser compatible con el ERP preseleccionado
por la empresa (Navision), cuenta con dos módulos de planificación que
satisfacían las necesidades de Takasago al 100%, un módulo de planificación
estratégica (Master Production Scheduling –MPS-) y otro módulo de
planificación avanzada a corto plazo (Advanced Planning Scheduling – APS-). La
implementación de estos módulos, junto con la optimización del módulo MRPI
del ERP, a permitido, por ejemplo, una reducción drástica del tiempo
necesario para realizar una replanificación de la producción ante eventos no
previstos, así como en la planificación estratégica para la simulación de
diferentes escenarios.
Figura 3.13 Pantalla Preactor APS
• Optimización Módulo Control de Calidad. Después de un profundo análisis, se

detectó que los tiempos muertos provocados por el control de calidad,
principalmente durante el proceso de gestión y comprobación de las analíticas

de materias primas, intermedios, y, sobre todo, producto final eran muy
elevados, condicionando enormemente la producción, haciéndola demasiado
rígida y generando paradas no planificadas de los procesos de producción de
forma continua. Así mismo el funcionamiento y reporte de la información se
hacía de forma manual y en papel, incidiendo aún más en la pérdida de tiempo
y en la ineficiencia. Para solucionar este problema, se han implementado
procedimientos en módulo de control de calidad en el ERP para informatizar
toda la información, hacerla accesible a todas las personas implicadas y evitar
tiempo muertos. Por ejemplo, ahora los jefes de planta son capaces de revisar
,en tiempo real, a través del ERP, los análisis realizados a los productos
producidos (semiacabados o finales) y a las materias primas, incluso pueden
chequear, las fichas de seguridad de todos los productos utilizados en la
planta, los manuales de producción y las hojas de operación.
• Integración de la Información de la Cadena de Suministro. La información

relevante generada en los módulos del ERP de ventas, planificación, operación
y gestión de almacenes, debe de estar integrada de forma que, por ejemplo,
los pedidos, sus fechas de entrega, tiempos de producción y estado de las
órdenes de producción, así como los stocks disponibles, debe ser compartida
en tiempo real por los departamentos implicados , ya que en caso contrario,
se puede dar lugar a disfunciones que suelen provocar fallos en la planificación
y retraso en el envío de pedidos, por lo tanto, pérdida de confianza por parte
de los clientes. Para evitar estas disfunciones se desarrollaron sobre el propio
ERP, módulos colaborativos interdepartamentales de forma que la
información estuviera siempre compartida en tiempo real, así como, también
se desarrollaron pantallas de control bajo Qlikview (BI) para acceder de forma
rápida a la información y poder realizar análisis pertinentes.
A parte estos avances ya realizados o en proceso de implantación, a

continuación se describen el estado del arte sobre los tres desarrollos que
vertebran la presente tesis doctoral, y que como se ha explicado anteriormente,
se encuentran en línea con las directrices principales de la Industria 4.0

3.2 Asignación de Estados Funcionales. Estado del Arte
En un plan estándar de mantenimiento predictivo, los equipos dinámicos,

particularmente los rotativos, son evaluados a través de técnicas de medida y
análisis de vibraciones, termografía, análisis de lubricantes y otras técnicas
predictivas [1]. El procedimiento de evaluación habitual consiste en medir y
analizar ciertas magnitudes, conocidas como Parámetros de Significación
Funcional (PSF), y, en el caso de que no tengan los valores esperados, realizar un
diagnóstico del estado del equipo con el fin de proponer una serie de acciones
encaminadas a corregir la anomalía y, por tanto, evitar el fallo del equipo.
En la mayoría de las ocasiones, este diagnóstico se realiza de forma aislada

para cada parámetro y no de forma global al equipo, es decir, los técnicos de
mantenimiento proporcionan un listado del estado de cada uno de los PSF, en el
caso más favorable, con su evaluación en 2 o 3 estados (bien, alerta o alarma),
pero en la mayoría de los casos con un valor “técnico” que obliga a ser un relativo
experto en la materia para poder deducir el estado funcional del equipo y su
probabilidad de fallo. Además, un equipo es un conjunto de varios elementos y
cada elemento puede tener varios PSF a monitorizar, por lo tanto, cuantificar el
estado del equipo en un valor único, fácilmente interpretable y que sea
representativo del estado global del equipo, sería lo ideal para facilitar el
entendimiento de esto por personas no habituadas a estas técnicas.
Este tipo de evaluación cuantitativa por PSF es idónea para el análisis del
estado de los elementos del equipo por parte de los técnicos y responsables de
mantenimiento, habitualmente expertos en la materia, pero se hace muy
complicada su interpretación al nivel de dirección, entendiéndose como tal, los
Directores de Operaciones o Producción, más habituados a un tipo de información
más enfocada a la gestión. Por lo tanto esta información, que es clave para la
toma de decisiones, habitualmente queda rezagada a un segundo plano y solo es
tenida en cuenta cuando se produce la parada inesperada.
Por lo tanto, y con el fin que esta información sea relevante para la toma
de decisiones, los responsables de departamentos implicados en la cadena de
suministro (planificación, compras, logística, expedición…) necesitan de una
información en tiempo real que sea operativa y fácil de entender, a través de la
cual puedan tomar decisiones de una forma rápida y eficiente. Esta necesidad de

información acerca del estado de los equipos “fácilmente interpretable” y en
tiempo real, se hace, incluso, más necesaria en plantas de fabricación por lotes.
Por ejemplo, en el caso de empresas de síntesis química los inicios de fabricación
están condicionados al correcto estado funcional de los equipos involucrados en
la producción, ya que un equipo con un estado defectuoso podría provocar una
parada inesperada, generando pérdidas de rendimiento y de calidad, e incluso
problemas de seguridad derivados de esta parada no planificada.
Por lo tanto, el reporte del estado funcional de los equipos debe ser lo más
sencilla y útil posible a todos los niveles y departamentos, de modo que, sin
merma de información relevante, sea operativa para que el todo el personal
implicado pueda tomar la decisión adecuada.
Actualmente, no existen comercialmente aplicaciones comerciales que

satisfagan plenamente esta necesidad de cuantificación del estado funcional de
los equipos rotativos. Soluciones comerciales como la propuesta por Sanais Vibra
(www.sinais.es), a través de la monitorización en tiempo real de los equipos
rotativos, propone unos rangos configurables por cada señal, es decir, para cada
PSF monitorizado. Como se ha expuesto anteriormente, estas medidas de forma
aislada no proveen de una información útil para la toma de decisiones al personal
no involucrado en el día a día de mantenimiento, ya que estos necesitan saber,
básicamente, si el equipo se encuentra preparado o defectuoso para poder
producir el lote, sin mayor aportación extra de información, ya que para ellos, los
estados intermedios entre un equipo preparado y defectuoso no es necesaria.
Además y como se ha comentado anteriormente, estos programas informáticos
no suelen ser desarrollados sobre plataformas estándares desde el punto de vista
de la gestión empresarial, por lo que necesitan de interfaces para su
interconectividad, complicando y encareciendo aún más la implementación de
estos programas informáticos.
Existe diferentes trabajos sobre este tema donde se proponen soluciones

para la evaluación del estado funcional de los equipos rotativos, por ejemplo,
Yam, Tse y Tu [2] proponen un sistema de predicción del estado funcional basado
en redes neuronales y en árbol de decisiones, a través de una serie de entradas
del mantenimiento, otros autores, como Finley [3] proponen una clasificación del
estado del equipo en función de los fallos estándares que se pueden producir, en
este caso de motores eléctricos, así como proponen una forma de actuación, o

como Tavner [4], realiza un repaso sobre las “mejores” técnicas para la predicción
de anomalías en equipos, así como indicando los modos de fallo para facilitar su
identificación, indicando su relativa gravedad.
Así mismo, en los últimos años la evolución de la gestión de datos e

información dentro de los sistemas de gestión empresarial (ERPs) ha seguido la
tendencia de no solo almacenar datos referidos a la gestión operativa y
económica de la empresa (facturas, albaranes, planificaciones de compras, ventas,
producción,…), sino de integrar también la información relativa al proceso y los
equipos, es decir, sus estados en tiempo real y evolución, proveniente esta
información de los sistemas de captura de datos (DCS)
Por lo tanto, y conforme a las tendencias actuales conforme al concepto de

Industria 4.0, se hace más que necesario etiquetar, esto es, procurar una
valoración cuantitativa del estado de los equipos, de forma que las personas
involucradas en la cadena de suministro, es decir, que gestionan, planifican y
ejecutan la producción puedan conocer en todo momento su estado y por lo
tanto, puedan tomar las decisiones correctas. Gracias a esta implementación, el
conocimiento del estado de los equipos será conocido en todo momento y en
tiempo real por el departamento de Operaciones, evitando de esta manera uno
de los errores más comunes en las plantas, es decir, la falta de comunicación real
y útil entre los departamentos de mantenimiento y operaciones.
3.3 Gestión Dinámica de Intervalos de Medición. Estado del Arte

En las plantas industriales, además de la monitorización de ciertas
máquinas, las rutas periódicas de medición de ciertos parámetros funcionales
constituyen una práctica habitual de supervisión en el mantenimiento predictivo
que afecta a un gran número de equipos de producción. Al igual que sucede con
las inspecciones del mantenimiento preventivo, en este caso, la correcta selección
de un intervalo de tiempo entre mediciones es una de las claves del éxito de esta
estrategia de mantenimiento.
El número de equipos incluidos en el plan de mantenimiento predictivo es

siempre limitado, habitualmente por razones económicas. Puesto los recursos del
Departamento de Mantenimiento son limitados, es una obligación el saber cómo
distribuirlos correctamente.

Se supone que los equipos más críticos no deben fallar, o al menos,
cualquier tipo de anomalía deberá ser rápidamente detectada y corregida en el
menor tiempo posible, por lo que se deberán concentrar menos recursos en
aquellas máquinas que sean menos relevantes o críticas, particularmente, se
aumentará la frecuencia de su revisión de estas.
Por lo tanto, a mayor criticidad de los equipos, menor será su intervalo
entre medidas (TIBM), de las siglas en ingles de Time Interval Between Measures.
El objetivo es reducir el número de fallos y sus consecuencias, y por lo tanto,
aumentar la disponibilidad y seguridad de la planta [5,6]
En la actualidad, no existen software comercial que calculen los intervalos

de medición en función del estado del equipo de forma automática, limitándose a
las típicas gamas de mantenimiento periódicas, donde este periodo será
recalculado o reprogramado modificando de forma manual su periodicidad, por lo
tanto, necesitándose de la interacción humana para la replanificación.
Se han desarrollado diferentes métodos para la planificación de

actividades de mantenimiento, particularmente, para determinar el nivel de
supervisión de acuerdo con la criticidad de cada equipo y la periodicidad de las
mediciones e inspecciones. Bevilacquaa and Bragliab [9] consideran aplicar el
método AHP para seleccionar la mejor estrategia de mantenimiento, teniendo en
cuenta la criticidad del equipo; Whitake y Samaniego [10] proponen un método
basado en la evaluación de la fiabilidad. Martorell el al.[11,12] sugieren que las
actividades de mantenimiento deberían depender de la edad de los componentes
y proponen unos modelos dependientes de la edad para evaluar los riesgos y los
costes de mantenimiento, mientras Chelbi y Ait-Kadi [13] analiza algunas
estrategias de inspección para fallos aleatorios en equipos.
Un nivel muy elevado de mantenimiento, incluyendo la monitorización
permanente, no puede ser aplicado a todos los equipos de la planta, porque sería
inviable desde el punto de vista económico y supondría un coste innecesario [7].
Por lo tanto el desarrollo de estrategias de mantenimiento podría ser apreciado,
de alguna manera, como un mantenimiento imperfecto [8], puesto que de
antemano se asume que ciertos equipos no van a vigilarse todo lo que se podría
hacer para evitar o detectar prematuramente su fallo, simplemente porque no
compensa ni desde el punto de vista de la seguridad ni económico.

Así, puesto que en una gran parte de los equipos con mantenimiento
predictivo se van a hacer periódicamente rutas de medición, la clave del éxito de
esta estrategia está en elegir adecuadamente el intervalo de tiempo que puede
transcurrir entre mediciones consecutivas de una máquina, de modo que sea
netamente inferior al tiempo que, en general, tardaría en desarrollarse a “defect -
or fault- in the machine until its failure”, terminología muy común en el campo del
mantenimiento [14]. Obviamente, son muchos los defectos posibles en cada uno
de los equipos y también las variables que pueden influir en su evolución. Sin
embargo, la dirección de mantenimiento debe de elegir de antemano un intervalo
de tiempo entre mediciones concreto lo que hemos denominado Periodo
Referencial, generalmente expresado en horas de funcionamiento, aunque
también es frecuente hacerlo en días.
Como aportaciones de esta tesis, en el capítulo 5, se describen en primer

lugar diferentes factores que contribuyen a establecer, de un modo objetivo y
sistemático, la criticidad de cada equipo. Seguidamente, mediante la adecuada
ponderación de estos factores se construye la matriz de criticidad que permite
evaluar la importancia subyacente de cada uno de los equipos. Mediante el
método propuesto, esta criticidad junto con el diagnóstico de la condición
funcional del equipo en un momento dado, permite calcular el TIBM (Time
Interval Between Measurements) más adecuado para cada una de las máquinas,
que se irá actualizando de forma dinámica con cada revisión del equipo. Otros
factores de tipo técnico, económico o que tienen que ver con la política de la
compañía también se pueden introducir en la formulación propuesta.
En resumen, los objetivos finales del método propuesto son, por una parte,
mejorar la supervisión de los equipos mediante un procedimiento sistemático
que, a partir de la criticidad del equipo, permita adaptar los intervalos de tiempo
entre mediciones sucesivas a las necesidades reales de cada uno de ellos y en
cada momento, es decir, de una manera dinámica. Por otra parte, racionalizar los
tiempos y los recursos, es decir, los costes dedicados al mantenimiento predictivo.
El método que se expone ha sido implementado en una planta de proceso

industrial para gestionar de forma dinámica el TIBM en el mantenimiento
predictivo de más de 300 máquinas, obteniéndose una notable mejora respecto
de la situación que se tenía anteriormente.

Así mismo, al igual que en el punto anterior, la planificación de
mantenimiento predictivo resultante de la aplicación del método propuesto,
conforme a la matriz de criticidad y el estado funcional de los equipos, debe ser
integrada en los sistemas de gestión para que esta esté accesible en tiempo real,
principalmente a los jefes de planta, responsables de producción y de
planificación, de forma que conjuntamente con el jefe de mantenimiento, sean
capaces de optimizar las paradas previstas y necesarias (programadas) conforme
al plan de mantenimiento predictivo obtenido de aplicar este procedimiento.
3.4 Que es la Monitorización. Estado del Arte

Para seguir siendo competitivas hoy en día, las compañías deben poder
responder rápida y correctamente a los eventos inesperados; esta toma de
decisiones adecuada depende en gran medida del conocimiento en tiempo real
que tengamos del estado de nuestras instalaciones.
En toda empresa existen una serie de equipos, que debido a su criticidad

para el proceso de producción, ya sea cuestiones económicas, técnicas o de
seguridad, hacen necesario una continua supervisión de su estado funcional. Esta
supervisión continua es muy complicada y costosa de realizar por los métodos
tradicionales, es decir, a través de un técnico de mantenimiento continuamente
recopilando información del estado funcional del equipo a través de equipos off-
line. Por lo tanto, para estos equipos, que deben permanecer monitorizados de
forma continua, se hace necesario la utilización de equipos de medición de
parámetros que envíen la información de su estado en tiempo real.
La monitorización permite hallar las causas de posibles fallos anticipándose

a la avería mediante un seguimiento constante de unos parámetros funcionales,
en este caso y principalmente, el nivel de vibraciones y la temperatura. Así mismo
este tipo de monitorizaciones deben de estar provistas de potentes herramientas
de análisis e interpretación de los datos para conocer el estado de dichas
máquinas en todo momento.
El análisis de vibraciones en máquinas rotativas, conforme a lo descrito en

el capítulo 2, es la técnica fundamental para diagnosticar problemas ocasionados
por el deterioro normal, por defectos de fabricación, por montaje defectuoso o

mal uso de las máquinas. A modo de ejemplo, con esta técnica se pueden detectar
defectos comunes tales como:
Ejes doblados.
Falta de rigidez de bases y estructuras.
Holguras en sistemas de transmisión por correas.
Fallo en rodamientos
Desalineación y Desequilibrio
Defectos en engranajes.
Las principales ventajas de la monitorización con respecto a las técnicas

tradicionales, basadas en rutas periódicas de revisión, son principalmente las
siguientes:
• Conocimiento en tiempo real del estado de las máquinas.

• Detección de tendencias y patrones.
• Recibir alertas instantáneas cuando ocurre un comportamiento anormal.
• Acceso a información histórica de tendencias.
• Herramientas para identificar las causas de comportamiento anómalo, a
las cuales hay que dirigir los esfuerzos para mejorar la calidad.
El análisis espectral mediante la FFT (Fast Fourier Transform), es la

herramienta más utilizada en la actualidad para la detección y el análisis de
averías en maquinaria rotativa. Esta técnica permite generar a partir de la señal de
vibración que se obtiene directamente de los sensores, una representación gráfica
de amplitud frente a frecuencia que da una información esencial para el
diagnóstico, conforme a lo descrito en el capitulo 2. Existen comportamientos
espectrales característicos clasificados en categorías de la mayoría de patologías
que puede presentar una máquina.
La posibilidad de presentar la vibración en diferentes formatos

interrelacionados, permite llevar a cabo evaluaciones del comportamiento
dinámico de la maquinaria para determinar su estado de vida, proporcionando un
aviso temprano de las anomalías de su funcionamiento y permitiendo por tanto,
determinar las causas de defecto correspondiente.

Así mismo, en determinadas soluciones existentes en el mercado, están
disponibles herramientas avanzadas como la demodulación o el seguimiento de
órdenes de marcha (order tracking) de un equipo. El uso de la demodulación o
análisis de envolvente es un excelente complemento para mejorar el análisis
espectral en la detección de defectos en rodamientos y cajas de engranajes. El
seguimiento de ordenes de marcha permite, a diferencia del espectro estándar, el
análisis de la vibración en máquinas de velocidad variable.
La estructura más común utilizada en los actuales sistemas de

monitorización de equipos rotativos, es la siguiente (figura 3.14):
3.14. Infraestructura Monitorización
- Unos sensores que se acoplaran en los puntos de medida / control de

los equipos rotativos.
- Los nodos de captura conectados a los sensores anteriores, que serán
los encargados de gestionar los datos recogidos en los sensores y
enviarlos, a través de la red, al servidor donde se ubica la base de datos
principal.
- Una base de datos principal, ubicada en un servidor, que junto con el
software de monitorización, serán los encargados de interpretar y
representar la información obtenida en los sensores, gestionando los
avisos o alarmas correspondientes cuando proceda.
- Y por ultimo y a través de la red, habitualmente Ethernet, los datos
serán visualizados en los PCs que tengan acceso a la base de datos así
como el software diseñado para la interpretación y presentación de los
datos.
Las soluciones comerciales existentes en el mercado son reducidas y con

unos costes de implantación muy elevados, no solamente por el coste elevado de
los sensores y equipos que conforman toda la arquitectura de la monitorización,
sino también por el coste del software asociado.
Solamente en casos donde el coste de la máquina a monitorizar sea muy

elevado, donde el coste de reparación de esta sea también muy elevado o donde
el tiempo de la parada provocada por la rotura del equipo sea muy larga y por lo
tanto genere unas pérdidas muy elevadas a la empresa, el coste de la inversión
necesaria para esta implantación puede ser considerado y factible.
La implementación de estas soluciones comerciales en plantas de síntesis

químicas de fabricación bajo lotes, donde existe una gran cantidad de equipos
críticos (reactores, grupos de frío, compresores,…), es, en la mayoría de los casos,
descartable desde el primer momento, ya que el coste de los equipos no está
justificado, ni existe un retorno de la inversión aceptable que justificara su
implantación.
La implementación en grandes fabricas de fabricación en continuo, como

grandes petroquímicas, centrales energéticas, depuradoras de gran tamaño,
donde el fallo de un equipo principal de producción pueda provocar una parada
completa o parcial de las instalaciones, y por lo tanto del proceso de producción,
en estos casos, la implantación de estas soluciones comerciales puede estar
perfectamente justificada.
Por otro lado, y como sucede en otras soluciones anteriormente descritas,

el software utilizado para la implementación, suele ser desarrollado sobre
plataformas “propias” o libres, por lo que no se suelen utilizar las plataformas
más extendidas para gestión de la información en las empresas, con lo que, obliga
a la empresa a tener una nueva plataforma para la gestión de estos datos y a crear
un interface para la conexión de ambas plataformas.
Existen autores [15] que proponen, junto con la monitorización en tiempo

real de las vibraciones de los equipos rotativos, la monitorización de otros valores
más característicos de producción o del proceso, de forma que estos
complementan a los primeros y, según estos, la precisión en la predicción del
estado es aún mayor. Por otro lado, otros autores [16] en vez de complementar
los datos recibidos a través del análisis de vibraciones, proponen mejoras en la
herramienta de representación de los datos recabados a través de nuevos
algoritmos para el procesamiento de datos. Por último, existen bastantes estudios
[17] donde se modelan el modo de fallo. Estos modelos, implementados en una
herramienta informática, identificarán estos modos de fallo con los datos
recibidos desde la monitorización.
Por lo tanto, debido a lo anteriormente expuesto, durante el desarrollo de

la presente tesis, se decidió la búsqueda de equipos de monitorización
alternativos, que a través del seguimiento y control en tiempo real de otros
parámetros, sirviera para la detección temprana de fallos en los equipos rotativos.
Esta monitorización alternativa, y como premisa fundamental, debería

utilizar los sistemas de monitorización y gestión de la información ya implantados
en Takasago, ya fuera de forma aislada o en combinación de dos o más de estos
sistemas.

Capítulo Cuatro
4 Evaluación y Categorización del Estado Funcional de Equipos
Rotativos
En las plantas industriales el conocimiento del estado de los equipos
productivos en cada momento es cada vez más crítico, no solo por la necesidad
del Departamento de Mantenimiento de mantener un correcto nivel de servicio,
sino también por la necesidad de otros departamentos involucrados en la cadena
de suministro (planificación, producción, compras...) de tener información precisa
y actualizada ante paradas de equipos, retrasos y otros incidentes en la
producción. La información sobre el estado de los equipos debe ser fácil de
entender y gestionar, de forma que las personas no implicadas directamente en el
día a día del mantenimiento de la planta puedan tomar las decisiones adecuadas
en lo que respecta a dicho estado funcional.
En este capítulo se expone la metodología que hemos desarrollado y que

se viene aplicando en una planta industrial de la empresa Takasago para que los
resultados diagnósticos del mantenimiento predictivo realizado sobre los equipos
de la planta, trasciendan más allá de las consiguientes actuaciones del
Departamento de Mantenimiento.
Tras una introducción en la que se detallan las técnicas predictivas

utilizadas, se describen los parámetros de significación funcional (PSF) cuya
medición y análisis permite diagnosticar la condición de los equipos, esto es, su
estado funcional. La correcta evaluación del nivel de severidad en el valor de estos
parámetros es clave para poder clasificar en diferentes niveles, o categorías, el
estado funcional de cada equipo.
En este capítulo también se describe el procedimiento seguido para la

asignación dinámica de dichos estados funcionales a cada equipo y cómo a partir
de los mismos se sigue una lógica de actuaciones que tiene implicaciones a
distintos niveles de responsabilidad de la planta. En este sentido, se describen
diferentes formas de gestión de la información obtenida, exponiendo casos reales
donde esta información consigue mejorar la coordinación en la producción de la
planta.

4.1 Parámetros de Estado Funcional (PSF)
Los defectos o fallos prematuros que pueden aparecer en equipos

dinámicos (desequilibrio dinámico, desalineación, transmisión en mal estado,
cojinetes defectuosos, marcha irregular, etc.) suelen venir vienen acompañados
de cambios funcionales en los mismos, que pueden manifestarse de diversas
formas, entre los que podemos destacar; una disminución del rendimiento
eléctrico y/o mecánico, modificación de la temperatura de trabajo de los
elementos afectados, cambio en los ruidos característicos del equipo y/o
elementos y, por último, modificación del nivel de vibración y de sus
características vibratorias.
Estos y otros muchos cambios funcionales pueden ser detectados y

evaluados mediante el análisis de los parámetros de significación funcional (PSF).
Estos parámetros se definen como magnitudes físicas susceptibles de
experimentar algún tipo de modificación de signo repetitivo en su valor cuando se
produce un cambio en el estado funcional del equipo.
Dentro del campo del mantenimiento predictivo las vibraciones que

experimentan cualquier equipo, máquina o sistema mecánico en funcionamiento
destacan de manera notable como PSF. Esta importancia destacada de las
vibraciones se debe principalmente a que se tratan de un tipo de manifestación
susceptible de ser medida con relativa facilidad incluso cuando el equipo se
encuentra en marcha y que, además, muestra una clara dependencia con el
estado funcional del equipo.
Por tanto, mediante la medida y un adecuado análisis de la vibración de

una máquina se puede realizar un seguimiento de su estado, pudiendo detectar
un funcionamiento anómalo y realizar un diagnóstico de las causas raíz del mismo,
optimizando la planificación de su mantenimiento y, en definitiva, prolongando su
período de vida.
Los PSF utilizados en este trabajo para su evaluación y el posterior análisis

del estado global de los equipos son:
- La temperatura (T), especialmente útil en rodamientos, cierres, zona de

bobinados y otras partes estructurales donde este parámetro se muestra
significativo.

- La vibración en unidades de aceleración en la banda 2-20 kHz, lo que
denominamos Aceleración eficaz (Aeff), que se presenta como
especialmente útil en la evaluación de rodamientos.
- La vibración en unidades de aceleración en banda selectiva, lo que

denominamos Aceleración selectiva (Asel), generalmente con un paso
banda de 800-2000 Hz, aunque puede variar en función de las
características del equipo. Es especialmente útil para detectar problemas
de cavitación o contactos metal / metal.
- La severidad de la vibración en unidades de velocidad (mm/s) en todos

los puntos de medida del equipo. La evaluación se hará, en principio,
conforme al estándar ISO 10816 (Figura 4.1); aunque, en la amplia
mayoría de los casos y a tenor de los registros históricos de medida y
experiencia adquirida, los niveles de alerta y alarma son adaptados a las
particularidades de cada tipo equipo en concreto.
- Ciertos componentes frecuenciales característicos del espectro de la

vibración en velocidad de cada equipo, tales como la frecuencia de
engrane, la frecuencia de paso de álabe en bombas y compresores
rotativos o la frecuencia de paso de barra en motores eléctricos, por citar
algunos componentes espectrales sobradamente conocidos, se
seleccionan mediante un adecuado filtro pasabanda en el espectro de
vibración en velocidad, parámetro designado como Velocidad selectiva
(Vsel).
Tras seleccionar los PSF para el análisis del estado funcional de la máquina
y/o equipo, debe tenerse en cuenta que se debe establecer un estado base que
represente su correcto estado de operación, es decir, cada PSF tendrá un cierto
“nivel basal”.
La selección del nivel basal correcto es especialmente importante en

aquellos PSF de naturaleza vibratoria debido a que la aparición de un defecto en la
máquina, incluso en fase incipiente, lleva asociados ciertos cambios tanto en el
nivel de vibración como en sus características frecuenciales, los cuales
examinados de forma conjunta facilitan la detección e identificación del
problema.
Igual de importante que el conocimiento del nivel basal de los PSF es el
disponer de criterios que permitan distinguir cuándo un valor puede ser indicativo
de un defecto. En este trabajo se plantea un método basado en tres niveles de
aviso:
- Nivel de alerta: Nivel indicativo de un estado anormal y, por

consiguiente, de la probable presencia de un defecto funcional.
- Nivel de alarma: Este nivel, además de confirmar la existencia del

problema funcional, representa por sí mismo un nivel peligroso para el
funcionamiento de la máquina.
- Nivel de parada: Representa un nivel de vibración inadmisible para el

equipo, esto es, una situación en la cual el fallo podría producirse en
cualquier momento; siendo, por tanto, recomendable la parada
inmediata del equipo.
DESCRIPCIÓN GRADO
(G)
INADMISIBLE 8
Nivel de Parada
PSF
PELIGROSO 4
Nivel de Alarma
TOLERABLE 2
Nivel de Alerta
CORRECTO 1
Tabla 4.1. Grados paramétricos.
En la tabla 4.1 se muestran los tres niveles expuestos anteriormente y los

cuatro intervalos a los que dan lugar. A cada uno de estos intervalos le ha sido
asignado un valor numérico, al que hemos denominado grado paramétrico, que
representa la gravedad potencial del estado correspondiente a la medida. Puesto
que, en general, el daño producido está relacionado con los niveles de energía
involucrados en el valor del PSF en cuestión, los grados asociados a cada intervalo
de valores del parámetro siguen la serie geométrica indicada en dicha tabla, de
manera que cada grado representa una condición doblemente grave respecto al
grado inmediatamente inferior.
Un ejemplo de este tipo de clasificación es el establecido por la norma

10816-1, para la medida de la severidad de la vibración, “Mechanical Vibration.
Evaluation of machine Vibration by measurements on non-rotating parts. Part 1:
General guidelines”, donde cada columna representa un grupo de máquinas según
su potencia y otras características. El nivel de vibración viene calificado en cuatro
grados tal y como se muestra en la figura 4.2:
Figura 4.1. Estándar ISO 10816-1. Vibration general guidelines.
A lo largo de esta tesis y en ausencia de información al respecto del nivel

basal de la vibración, se han utilizado por defecto los niveles de alerta y alarma
fijados por la ISO tal y como aparecen en la figura 4.1, añadiéndole un nivel más
por encima de la alarma, el ya citado nivel de parada, que, como ya se ha
adelantado, es un nivel que marca un peligro inminente de fallo del equipo y, por

tanto, aconseja la parada inmediata del mismo. Siguiendo el mismo criterio que la
norma ISO, este valor se ha fijado en 2,5 veces el nivel de alarma.
Sin embargo, en aquellos equipos en los que sí que se dispone de

suficientes medidas (en general 10 o más) asociadas a un correcto estado
funcional se ha seguido el criterio, por el cual, asumiendo que la severidad de la
vibración de un equipo en buen estado sigue una distribución de Rayleigh, los
valores de alerta, alarma y nivel de parada, vienen dados, respectivamente, por
las ecuaciones (4.1), (4.2) y (4.3):
Nivel de alerta: m + 2σ (4.1)
Nivel de alarma: m + 4σ (4.2)
Nivel de parada: m + 8σ (4.3)
donde m es la moda de la distribución y σ su desviación típica, obtenidos de las n

medidas disponibles del nivel de vibración RMS (vi) en el punto correspondiente
mediante las expresiones , ecuaciones (4.4) y (4.5):
Q ∑c
bde ab

=^ ∙ (4.4)
_ f
_
g =
∙ ^2 − (4.5)
Q
Desde un punto de vista estadístico, y en términos porcentuales, el nivel

de alerta tiene asociada una probabilidad solo del 10% de que el equipo se
encuentre en buen estado funcional, mientras que en el nivel de alarma se reduce
al 1%. Dicho de otro modo, si el nivel de vibración sobrepasa el valor de alerta
existe una probabilidad del 90% de que el equipo tenga algún defecto. Esta
probabilidad sube al 99% si se sobrepasa el nivel de alarma.
En lo que se refiere a la medida de la vibración en aceleración, cuando se

tienen suficientes medidas el criterio seguido es el mismo descrito anteriormente.
La referencia genérica, inicial en ausencia de datos de partida, para los valores de
alerta y alarma es la recomendada en el manual de la instrumentación,
concretamente 1000 mg como valor de alarma y 500 mg como valor de alerta.

Para establecer los valores límite de temperatura, sin embargo, ha sido
necesario realizar un análisis previo de cada uno de los puntos considerado
considerados, ya
que la enorme variabilidad en cada equipo y circunstancia funcional hacía
imposible fijar un valor genérico inicial.
4.2 Metodología del Trabajo

En la presente tesis se han estudiado un total de 181 equipos rotativos,
distribuidos de la siguiente forma:
- 68 Bombas centrífugas
- 39 Bombas de anillo líquido
- 35 Bombas de émbolos rotativos (Roots)
- 27 Agitadores
- 10 Compresores rotativos
- 2 Bombas de Tornillo Seco
Se han diseñado rutas de medición específicas para cada uno de los

equipos en estudio. Para ello, una vez conocidos los parámetros que van a
medirse, se seleccionan aquellos lugares de la máquina donde la medida del
parámetro resulta más significativa, lo que denominaremos puntos de medida
(pdm). Cada pdm tiene una designación propia en su equipo, de m modo que
permita su localización de forma inequívoca y pueda interpretarse con facilidad.
En general, lo más frecuente es utilizar un código con varios campos en el

que se indique la máquina, la posición dentro de ésta referida a algún elemento
característico (rodamiento, acoplamiento, etc.) y la orientación. El código que se
ha venido utilizando
do responde al esquema del siguiente ejemplo (Figura 4.2):
Figura 4.2. Ejemplo de código para la designación de un pdm.

En la Figura 4.3 se muestra el ejemplo de los pdm de un equipo compuesto
por un motor eléctrico y una bomba centrífuga.
Tras la evaluación global de las máquinas que constituyen un equipo se ha

utilizado un criterio de clasificación funcional de los mismos, atendiendo a su
posible estado, que presenta un total de cuatro situaciones o estados posibles,
como muestra la tabla 4.2
Estado del BUEN MAL

equipo ALERTA ALARMA
ESTADO ESTADO
E 1 2 4 8
Tabla 4.2 Estados funcionales del equipo

Como puede verse, al igual que en los grados paramétricos y por las
mismas razones antes indicadas, los valores asignados a los estados funcionales
del equipo siguen una progresión geométrica. Aunque se usan los mismos valores
numéricos, es importante resaltar que no debe confundirse esta clasificación, que
refleja el estado funcional global del equipo, con la clasificación en grados
paramétricos de los PSF, que indica el nivel de severidad de un parámetro en un
punto concreto de la máquina. Aunque, obviamente, una y otra están
íntimamente relacionadas.
Cada uno de los estados posibles de un equipo se corresponde con la

siguiente situación:
- 8. Mal estado: El fallo podría producirse en cualquier momento.

- 4. Alarma: El equipo presenta algún defecto y es preciso corregir la
situación. Debe programarse su reparación.
- 2. Alerta: Los niveles paramétricos son anómalos. Debe vigilarse su
evolución.
- 1. Buen estado.
Para asignar a un equipo alguno de los estados anteriores a partir de los

niveles de sus PSF se ha desarrollado el siguiente procedimiento de evaluación
(Figura 4.4):
- Tras haber obtenido todas las medidas de los PSF del equipo
seleccionado, estas se descargan en la aplicación informática de gestión
de datos desarrollada para este propósito.
- En función del valor de cada medida y de los tres niveles indicados

anteriormente, a cada PSF se le asignan automáticamente los
correspondientes grados paramétricos.
- Puesto que un grado paramétrico 8 está asociado a una recomendación

de parar la máquina, el siguiente paso es averiguar si existe algún PSF
tiene grado 8. En caso afirmativo, al equipo se le asigna directamente el
estado 8, que implica la parada del equipo y la consecuente Orden de
Trabajo (OT) gestionada a través del Sistema de Gestión de

Mantenimiento (MMS) implantado en la empresa. Mediante el análisis de
las señales y parámetros medidos se procurará un diagnóstico del equipo
con el fin de orientar las actuaciones a realizar en dicha OT.
- Si no existen PSF con grado 8 se procede a determinar si hay alguno con

grado 2 o 4. Si no lo hay se asigna al equipo estado 1 (Se=1) y, puesto que
el equipo se encuentra en buen estado, se mantiene el programa, esto es
el periodo entre mediciones (Tm), previsto en el Plan de Mantenimiento
Predictivo.
- En el caso de que exista al menos un PSF con grado 2 o 4, se evalúa el

estado global de equipo mediante la ecuación de asignación de estado,
cuyo procedimiento de cálculo se explica más adelante (apartado 3), que
asigna un estado 1, 2 o 4 al equipo.
- Si el estado resultante es 4 (alarma), es preciso diagnosticar el estado del

equipo y emitir la correspondiente OT, para subsanar el defecto o
deficiencia encontrados.
- Si el equipo se encuentra en estado 2 (alerta), hay que preguntarse si

este estado es repetitivo, es decir, si se trata de una circunstancia
eventual o, por el contrario, en la anterior medición ya tenía estado 2. En
el caso de ser un hecho puntual, es decir, el equipo se encontraba
anteriormente en buen estado, se mantiene el programa de mediciones
previsto, esto es, se mantiene el periodo de medición. Por el contrario, si
se consolida un estado 2 en el equipo conviene diagnosticar y analizar las
causas, tras lo cual se decide si procede la reparación del equipo, cambiar
su periodo de medición o mantener el programa de mediciones.
- Por último, si el estado del equipo resulta ser 1 se mantiene el programa

previsto.

Selección del equipo a
Medición
Asignación de grados
paramétricos
S
¿Hay algún grado 8? Se = 8
N STOP +
Se mantiene N Diagnóstico +
¿Hay grados 4 ó 2?
Tm
Si
Cálculo con tabla dinámica de

estado
S Diagnóstico
¿Se = 4?
N OT
N
¿Se = 2?
Cambiar Si
Tm
¿Se = 2 es repetitivo?
Si
Diagnóstico
Si N
¿Cambiar ¿Es necesario reparar?
Tm?
Si
OT

Figura 4.4 Procedimiento de asignación de estados funcionales y efectos.
4.3 Asignación de Estados Funcionales
Dos de las etapas más importantes del workflow de asignación de estados

funcionales (figura 4.4) son las etapas de asignación de grados paramétricos y el
cálculo del estado funcional de los equipos. Para sistematizar el proceso de
cálculo, y no depender del buen hacer del técnico que interprete los datos, se ha
desarrollado una sencilla herramienta informática en la que se introducen los
datos recogidos en las medidas de los PSF de los equipos y esta, de forma
automática, nos da el valor del equipo global y por componente.
Como puede observarse en la figura 4.5, al introducir los valores de las

medidas de todos los PSF en cada uno de los pdm (filas con fondo claro), la
aplicación determina el grado paramétrico que le corresponde, esto es, el
intervalo en que se encuentra la medida dentro de los 4 niveles señalados en la
tabla 4.1.
Este grado paramétrico asignado de forma automática por la herramienta

informática está basado, como se ha comentado anteriormente en el apartado
4.1, en diferentes normas o métodos de reconocido prestigio, así como en el
histórico de medidas obtenido a lo largo de los años en la planta de Takasago.

Figura 4.5 Tabla de asignación de grados paramétricos.
Dado que un equipo está compuesto por dos o más máquinas, el estado
del equipo depende del estado de cada una de las máquinas que lo componen,
como muestra la figura 4.7. Cada máquina se analiza por separado con el fin, por
una parte, de evitar que una condición anómala o defectuosa pueda quedar
enmascarada por el conjunto y, por otra parte, para detectar dónde está el origen
del problema, si es que lo hubiere.
Para explicar el procedimiento matemático para la asignación del estado

funcional se va a tomar como ejemplo un equipo de bombeo constituido por un
motor y una bomba de anillo líquido.

En parte superior de la figura 4.7 pueden verse los cuatro PSF evaluados en
el motor en siete puntos de medida (pdm): Nivel de vibración conforme a ISO
(mm/s RMS), Aceleración en dos bandas frecuenciales diferentes (Aeff y Asel) y
Temperatura. En seis pdm se miden todos los parámetros mientras que uno de
ellos sólo se mide la temperatura (concretamente en la zona de bobinados del
motor). En la parte inferior están los valores correspondientes a las mediciones
realizadas en la bomba, también en siete puntos de medida.
Una vez establecidos para el equipo los niveles de alerta, alarma y parada
de cada uno de los parámetros, cada una de las medidas (en total 25 valores) se
evalúa siguiendo el criterio indicado en la tabla 4.1 con el fin de obtener el grado
paramétrico correspondiente a cada medida. En la figura 4.7 puede verse, para
cada parámetro, el número de pdm que han obtenido grado 1, 2, 4 u 8. Por
ejemplo, en el caso del motor eléctrico, para la temperatura se han obtenido 3
valores con grado paramétrico 1 y 4 con grado 2.

Figura 4.7. Cálculo del estado funcional de una unidad de vacío.
El cálculo del estado de cada una de las máquinas del equipo se realiza
primeramente calculando, para cada PSF separadamente, la media cuadrática de
los grados paramétricos obtenidos de las medidas en cada uno de los pdm de la
máquina, ecuación (4.6):
)))))) i
%&'( = ^j ∙ ∑j
0ki /0 (4.6)
Q
donde:
))))))
%&'( = Valor medio del *+ en análisis.
- = Número total de puntos medidos
/0 =
Grado paramétrico (1, 2, 4 u 8) del PSF en análisis en el pdm de la máquina.

Siguiendo con el ejemplo, en el caso de la temperatura, el valor medio
obtenido del PSF para el equipo será la media geométrica de tres valores 1 y 4
valores 2, esto es 1,64.
Si en un equipo se miden y analizan varios PSF, lo que es habitual, el valor

(Vm) asignado a la máquina será el máximo de los valores medios obtenidos,
ecuación (4.7), es decir, el valor más desfavorable, como se observa en la figura
4.7, lo que permite mantener una actitud conservadora.
)))))))
%s = t(% ))))))) ))))))))
&'(i , %&'(Q , … , %&'(s ) (4.7)
Siendo m el número de PSF medidos y analizados en la máquina.
Puesto que finalmente para cada máquina debe hacerse corresponder su

valor Vm con uno de los estados posibles (1, 2, 4 u 8), conforme a la tabla 4.2,
existen varias alternativas:
a. Asignar a la máquina el valor de estado inmediatamente por debajo de

Vm, es decir, un estado claramente consolidado.
b. Asignar a la máquina el valor de estado inmediatamente superior a Vm,

adoptando una actitud muy conservadora.
c. Fijar un valor de corte intermedio entre estados, asignando a la

máquina el estado superior o el inferior según que Vm esté por encima
o por debajo, respectivamente, de dicho valor de corte.
En este trabajo, y después de numerosas pruebas, se optó por la tercera

alternativa (opción c), utilizando como valor de corte el punto medio entre
intervalos, esto es, aproximando Vm al valor de estado más cercano.
En nuestro ejemplo, el valor máximo obtenido para el motor es 3.16, que

se ha obtenido para el parámetro designado como ISO. Según el criterio anterior,
le corresponderá un estado 4. Mientras que en la bomba se obtiene directamente

un grado 4, puesto que en todos los pdm se ha obtenido dicho grado. El resultado,
por tanto, es un estado 4 para el equipo.
4.4 Procedimiento de Trabajo

Para la implementación de este procedimiento de trabajo se ha desarrollado
un protocolo de actuación para las personas encargadas del proyecto PREYBA,
tanto de la empresa Takasago, como para las personas pertenecientes al contrato
con la Universidad de Murcia.
Protocolo para la gestión dinámica de ITEM
Documentos a utilizar:
• Hoja de Control de medidas (HC)
• Tabla de Estados (TE)
• Órdenes de Trabajo (OT)
• Informes de Trabajo (InT)
Acción Objetivo
Revisar Hoja de Comprobar si alguna OT se ha realizado y, por
1.
Control. tanto, está pendiente de chequear y medir.
Elaborar una lista con los equipos a medir el día
en curso:
• Conforme al ITEM (Intervalo de Tiempo Entre
Listar mediciones del
2. Medidas) de cada equipo en ese momento.
día
• Medidas extraordinarias y pendientes de
chequear
• Medidas extraordinarias por aviso de Outlook.
Configurar las rutas de Reducir el número de viajes para cargar y volcar
3.
medida en Trendline las medidas.
4. Medir en planta Mediciones
Volcar mediciones en
5. Almacenar mediciones
Software (Trendline)

Obtener el Estado de Aplicar el programa “Matriz de Estados” al
6. cada uno de los informe (de Trendline) de las mediciones
equipos medidos realizadas.
En la Hoja de Control añadir en cada uno de los
7. Actualizar la HC. equipos medidos la fecha y su estado, pero este
solo cuando sea 1 o 2.
Si hay cambios significativos en los niveles

respecto de las medidas anteriores,
especialmente respecto de la medida anterior.
Revisar las medidas de Si los hay, revisar los espectros actuales y

8. los equipos en estado anteriores para ver qué características del
4y8 espectro han cambiado.
Para cada equipo analizado se escribirán las

observaciones diagnósticas que corresponda
junto con aquellas anotaciones realizadas en
campo
Las evidencias de fallo

Se trata de poner de inmediato en
deben comunicarse de
conocimiento del Responsable de
inmediato al
9. Mantenimiento la empresa cualquier anomalía
Responsable de
que pudiera requerir una respuesta o actuación
Mantenimiento de la
inmediata (si es el caso)
empresa.
Junto con el fichero de medidas se indicarán los
comentarios oportunos al respecto de:
Exportar medidas
• Las evidencias de fallo comunicadas a la
realizadas y enviarlas
empresa.
10. por e-mail responsable
• Los equipos en estado 4 y 8 que requieren un
de la UM del proyecto
informe diagnóstico.
PREBYA.
• Las observaciones diagnósticas efectuadas en
planta al volcar y revisar las medidas.

Analizar los equipos en
estados 4 y 8 y realizar Para cada equipo en estado 4 u 8 se realizará
11. los Informes un informe diagnóstico individual de su estado
diagnósticos de y acciones recomendadas.
seguimiento
En el menor tiempo posible se enviará el
Enviar Informes informe diagnóstico individual de cada uno de
Diagnósticos de los equipos analizados.
12.
Seguimiento al equipo El formato del nombre del fichero se indica en
de planta el anexo: FORMATO DE NOMBRES DE
DOCUMENTOS.
Añadir a la HC el estado de los equipos
diagnosticados en los informes de seguimiento.
13. Actualizar la HC.
(En general, serán 4 y 8, pero puede que alguno
se haya rebajado al diagnosticar)
Analizados los informes diagnósticos, el
responsable de mantenimiento de la planta
14. Abrir, si procede, OTs
decidirá si procede abrir una OT para algunos
de los equipos diagnosticados.
Pasar a Pendiente de
Sirve para reflejar en la HC que el equipo está
Chequeo las OT
15. pendiente de medir y chequear antes de dar
realizadas por los
por Finalizada la OT.
operarios
Tabla 4.3. Protocolo de Actuación
Como se ha comentado en la tabla anterior, los informes diagnósticos de

seguimiento de cada equipo serán enviados, manteniendo el siguiente formato:
/Código-Equipo/_/Fecha/. Pdf

Figura 4.8. Ejemplo de Informe de Seguimiento
El Responsable de Mantenimiento de la planta, si considera que debe

abrirse una Orden de Trabajo, añadirá al nombre del documento, y en primer
lugar, el código de la OT y lanzará la OT.
Figura 4.9. Ejemplo de Orden de Trabajo (OT) en Nav (ERP)
Así mismo, y conforme al protocolo anterior se mantendrán actualizadas,

la hoja de control (HC), figura 4.10, y la tabla de estados (TE), figura 4.11. Toda

esta información será integrada en una pantalla de Control de Mandos para la
gestión de los intervalos dinámicos y de los estados de los equipos (figura 4.12)
Figura 4.10. Ejemplo de Hoja de Control (HC)
Figura 4.11. Ejemplo de Tabla de Estados (TE)
Figura 4.12.Cuadro de Mandos Gestión Din. Int. y Estados

4.5 Integración en los Sistemas de Información
Como se ha comentado en tanto en la introducción de este capítulo, como
en el estado del arte, y conforme a la concepto de Industria 4.0, la finalidad última
de esta categorización de los equipos en estados funcionales es facilitar el
entendimiento de la situación operativa de los equipos no sólo para los
responsables o técnicos de mantenimiento, sino también para otros puestos
relevantes de la cadena de suministro.
Esta información debe llegar de forma clara y sencilla hasta aquellos cargos
de responsabilidad para los que el estado de un equipo sea relevante en la toma
de decisiones.
Existen múltiples áreas de responsabilidad dentro de la cadena de

suministro donde este tipo de información puede ser relevante, incluso crítica, a
la hora de tomar decisiones desde el punto de vista operativo, e incluso,
dependiendo del caso, desde el punto de vista del más alto nivel estratégico.
Gracias a los sistemas MES, responsables del interface que interconecta la

operatividad en la planta de producción con los departamentos de gestión, la
información puede ser fácilmente integrada en los sistemas ERP y DCS existentes
en la empresa, de forma que el estado dinámico del equipo estará presente
dentro de los dos principales sistemas informáticos involucrados en la toma de
decisiones.
Como ejemplo, a continuación se describen diferentes situaciones donde

esta información es crítica en una correcta toma de decisiones
4.5.1 Ejemplo de aplicación en Procesos de Síntesis Química

En un proceso de fabricación de síntesis química por lotes, el arranque de
los equipos por parte del Departamento de Producción debe estar condicionado al
buen estado de los equipos implicados en este proceso (agitador, bombas
dosificadoras, equipos de frío,…), ya que un fallo del equipo durante el proceso
podría provocar la parada del proceso con la consiguiente pérdida de rendimiento
o, incluso más importante, un problema grave de seguridad.
La información del estado funcional de los equipos será trasferida al sistema

de gestión de datos de proceso en tiempo real (DCS) a través de un sistema MES

de forma que, por ejemplo, se podrá implantar un enclavamiento en el PLC que
no permita el arranque de un proceso de síntesis si alguno de los equipos en dicha
producción posee un estado dinámico determinado, por ejemplo, s=8.
En los procesos de síntesis química con una alta exotermicidad, el nivel de

exigencia del estado de los equipos debe de ser, aun mayor, por lo que el
arranque de la reacción debe estar condicionado al óptimo estado de los equipos
críticos implicados. Un mal estado de estos equipos críticos, por ejemplo, del
agitador o del grupo de frío utilizado para el control de la reacción, podría dar
lugar a una reacción fuera de control (runaway), por lo que en este caso, se
condicionaría el arranque a que los equipos se encuentren en un estado inferior a
s=4
Figura 4.13. Pantalla DCS Batería de Reactores
4.5.2 Ejemplo de aplicación en Destilación a Vacío

En un proceso de fabricación de destilación a vacío, el arranque de los
equipos por parte del Departamento de Producción también debería estar
condicionado al buen estado, principalmente, del grupo de vacío. Un mal estado
de este equipo podría dar lugar a que no se alcanzara las condiciones idóneas de
destilación con la consiguiente pérdida de rendimiento del proceso, la cual, suele

ir acompañada de una mayor generación residuos y productos no aptos para la
venta (cabezas y colas de destilación)
Como en el apartado anterior, la información del estado de los equipos será

trasferida al sistema de gestión de datos en tiempo real (DCS) a través de un
sistema MES de forma que, por ejemplo, se podrá implantar un enclavamiento en
el PLC que no permita el arranque de un proceso de destilación si una de las dos
bombas de vacío (anillo líquido o roots) que componen el grupo poseen un estado
dinámico s=8. Incluso en destilaciones donde el vacío al final del proceso es una
condición crítica, o donde el producto a destilar es muy sensible, el equipo no se
debería de arrancar si el estado de cualquiera de las dos bombas es s=4.
Figura 4.14. Pantalla DCS Destilador a Vacío
4.5.3 Ejemplo de aplicación en la Planificación de la Producción

Por otro lado, en el Departamento de Planificación la información es clave
a la hora de informar a los clientes de los plazos de entrega y por lo tanto cerrar la
planificación a corto plazo. Un error en el plazo de entrega generaría pérdida de
confianza por parte del cliente, así como posible reclamación, pudiendo dañar la
imagen de la empresa.

Por lo tanto el responsable de planificación, junto con el departamento de
mantenimiento priorizarán las reparaciones de los equipos, tomando como
referencia su estado actual y la criticidad de la producción a planificar o del cliente
a servir, evitando de esta manera iniciar una producción crítica cuando un equipo
se encuentre, por ejemplo, en un estado funcional s=8; mientras que si la
producción fuese menos crítica, el corte se podría situar en un estado s=4, esto es,
defectuoso aunque operativo.
Para este objetivo, podremos utilizar la pantalla de Control de la

Producción, donde tendremos información en tiempo real sobre el estado de la
producción, indicándose con una llave aquellos equipos que se recomienda una
revisión previa a su inicio, o al finalizar la producción una vez esta haya acabado.
Figura 4.15. Pantalla MES Control de Producción
Y por otro lado, esta información, también, se podrá integrar en el sistema

de gestión de datos empresariales (ERP), concretamente, en el módulo de
planificación de la producción (MRPII), y más específicamente en la planificación a
corto plazo. Se realizará algo similar al apartado anterior, desarrollando un
enclavamiento de forma que no deje planificar la producción en equipos de

producción que tengan alguno de los equipos rotativos con estado “8”, incluso “4”
si esta producción es considerada “critica” por el departamento de operaciones.
Figura 4.16. Pantalla ERP. Planificación a Corto Plazo (APS- MRPII)
4.5.4 Ejemplo de Aplicación en la Gestión del Mantenimiento

Por último, el conocimiento de los estados dinámicos de los equipos de
planta dota al departamento de mantenimiento de una herramienta muy útil para
una planificación más eficaz de las reparaciones, gestionando correctamente los
periodos entre medidas e inspecciones, de modo que, permitan adelantarse al
deterioro del equipo, dando una respuesta más rápida y preventiva, evitando, por
lo tanto, una parada inesperada del equipo de producción.
Por otro lado, y gracias a la asignación de estados dinámicos, el uso de esta

información puede ser fácilmente representada mediante diferentes tipos de
gráficas que facilitarán el análisis temporal. En la tabla 4.4 se muestra la evolución
a lo largo de aproximadamente un año de los estados de algunos de los equipos
pertenecientes a una de las líneas de producción (Nave B).

05-02-14
05-04-14
27-06-14
14-08-14
17-10-14
13-12-14
07-02-15
11-03-15
Group Unit
GV-71 BV-71 2 2 2 1 2 1 1 1
S-71 4 4 2 2 1 2 8 1
D-71 AG-71 1 1 1 2 2 1 2 2
GV-72 BV-72 2 4 1 1 1 2 4 2
S-72 2 4 8 2 2 2 1 1
BA-72 BA-72 1 1 2 1 1 1 2 1
Tabla 4.4. Estados Funcionales Equipos D-71 y D-72.
La figura 4.17 resume, en las tablas de la parte superior, el número y porcentaje

de equipos de dicha línea de producción según su estado funcional en cada una de
las mediciones realizadas y debajo la representación gráfica de dichos valores, lo
que permite apreciar su evolución temporal. En la figura 4.18 se muestra la
evolución global, es decir, en conjunto, de los equipos de toda la Nave B. Sobre
esta misma gráfica, mediante una recta de regresión, se muestra la tendencia
general en el estado funcional conjunto de la línea.

Figura 4.17. Evolución del Estado Funcional de los Equipos de la Nave B
Figura 4.18. Evolución del Estado Funcional Global de la Nave B
Además, del mismo modo en que se estudia la evolución temporal de una

línea de producción, agrupando convenientemente las máquinas puede obtenerse

información muy significativa respecto del estado de unas líneas de producción
frente a otras, de una planta respecto de otras o de un tipo de máquina frente a
otras.
Así, en la figuras 4.19 se representa mediante un gráfico de araña, y para

diferentes fechas, el estado de las distintas plantas de producción, mientras que
en la figura 4.20 el gráfico de araña permite comparar el estado de los diferentes
tipos de máquinas (agitador, bomba roots, anillo líquido…). Del mismo modo,
también puede extraerse información significativa cuando estos datos se
representan, por ejemplo, por modelo de máquina, por tipo de producto
procesado, etc.
Figura 4.19. Grafico de araña de estado global de equipos por planta

Figura 4.20. Grafico de araña de estado global de equipos por tipo de máquina
4.6 Conclusiones
Representar el estado funcional de un equipo con un sencillo valor numérico
que sea indicativo de su fiabilidad, esto es de su probabilidad de fallo, hace
posible disponer de una información muy útil para la toma de decisiones a
diferentes niveles de gestión y planificación estratégica de una planta industrial,
tales como los departamentos de Mantenimiento, Operaciones, Logística,...
El significado de dicha valoración o categoría numérica debe ser

comprensible, operativa y fácil de interpretar por personal no habituado al
mantenimiento de equipos, ya que la información relevante de la empresa, en
cualquiera de sus aspectos y, particularmente, en lo referente al estado del
equipo de producción, debe ser global de modo que cualquier departamento
pueda disponer y hacer uso de ella.
El método descrito en este capítulo ofrece una herramienta que, de una

forma objetiva y sistemática, permite evaluar y establecer categorías del estado
funcional de cada uno de los equipos de producción. El estado funcional de cada
equipo es calculado, a través del estado de sus componentes principales, a partir
de la evaluación de la medida de los parámetros de significación funcional (PSF)
utilizados en el mantenimiento predictivo, especialmente del nivel de vibración.
Como consecuencia del estado funcional resultante tras dicha evaluación se

establece una lógica de actuaciones que puede ser de gran utilidad a distintos
departamentos o niveles de la compañía.
Una sencilla aplicación informática desarrollada a tal efecto realiza los

cálculos necesarios y procesa los datos de manera que la información obtenida
pueda ser utilizada por los sistemas de gestión de la planta industrial (DCS & ERP).
Finalmente, a modo de ejemplo, se exponen algunos resultados gráficos donde
esta información puede visualizarse e interpretarse de forma sencilla para evaluar
la condición funcional de los equipos de producción y, en consecuencia, servir de
ayuda en la toma de decisiones.

Capítulo Cinco
5 Gestión Dinámica de Intervalos entre Medidas en Sistemas de
Mantenimiento Predictivo basados en Criticidad
En las plantas industriales, además de la monitorización on-line de ciertas

máquinas, las rutas periódicas de medición de ciertos parámetros funcionales
constituyen una práctica habitual de supervisión en el mantenimiento predictivo
que afecta a un gran número de equipos de producción. Al igual que sucede con
las inspecciones del mantenimiento preventivo, en este caso, la correcta selección
de un intervalo de tiempo entre mediciones es una de las claves del éxito de esta
estrategia de mantenimiento.
En este capítulo se describen en primer lugar diferentes factores que

contribuyen a establecer de un modo objetivo y sistemático, la criticidad de cada
equipo. Seguidamente, mediante la adecuada ponderación de estos factores se
construye la matriz de criticidad que permite evaluar la importancia subyacente
de cada uno de los equipos. Mediante el método propuesto, esta criticidad junto
con el diagnóstico de la condición funcional del equipo en un momento dado,
permite calcular el Time Interval Between Measurements (TIBM) más adecuado
para cada una de las máquinas. Otros factores de tipo técnico, económico o que
tienen que ver con la política de la compañía también se pueden introducir en la
formulación propuesta.
En este estudio se ha realizado, durante tres años, el seguimiento de más

de 300 máquinas de una planta de proceso industrial y, aunque cada planta y
proceso concreto tiene sus propios condicionantes y características, en este caso
se fijó como Periodo Referencial (TR) entre mediciones consecutivas un intervalo
de 1000 horas de funcionamiento, aproximadamente 45 días, para un equipo en
régimen continuo que se encuentre en buenas condiciones operativas.
A partir de dicho Periodo Referencial, el objetivo del método desarrollado

es gestionar de forma dinámica el TIBM más adecuado para cada una de las
máquinas en función de su criticidad, entendida como la importancia del equipo
en el proceso, resultando intervalos más cortos cuanto más crítico sea el equipo
para el proceso y peores sean sus condiciones funcionales.
A la hora de valorar la criticidad de une equipo, el primero y más
importante de los factores a considerar, sería para la empresa las Consecuencias
del Fallo (CF) del equipo. Lógicamente, este criterio es determinante, de manera
que un equipo cuyo fallo no tiene apenas consecuencias, no será crítico, mientras
que otro cuyo fallo ocasione pérdidas importantes lo será en gran medida, de
algún modo se trata de valorar la severidad de dichas consecuencias.
Ahora bien, puesto que lo que en definitiva se pretende es anticiparnos al

fallo, un equipo también debe considerarse más crítico cuanto mayor sea su
probabilidad de fallo. La cuestión en este punto es, ¿cómo valorar dicha
probabilidad? Dos son los aspectos que se han considerado en este trabajo: por
un lado su comportamiento pasado, es decir, su Frecuencia de Fallo (FF), que se
estima mediante su MTBF (Mean Time Between Failures), y su estado funcional
(S), que se valora mediante un indicador de estado (descrito en el anterior
capítulo) como resultado de su análisis y diagnóstico funcional a partir de las
últimas medidas realizadas en el equipo.
En resumen, los objetivos finales del método propuesto son, por una parte,
mejorar la supervisión de los equipos mediante un procedimiento sistemático
que, a partir de la criticidad del equipo, permita adaptar los intervalos de tiempo
entre mediciones sucesivas a las necesidades reales de cada uno de ellos y en
cada momento, es decir, de una manera dinámica. Por otra parte, racionalizar los
tiempos y los recursos, es decir, los costes dedicados al mantenimiento predictivo.
5.1 Criterio de Criticidad

Como se ha comentado en el apartado anterior, es preciso fijar
inicialmente un Periodo Referencial (Tr) entre mediciones, lo que depende de los
equipos concretos y sus modos de fallo. Si bien la regla a seguir es que el tiempo
entre medidas debe ser inferior al tiempo de desarrollo de un defecto hasta el
fallo del equipo, no es menos cierto que el coste de las mediciones aumenta a
medida que disminuye dicho periodo, lo que obliga a realizar una estimación
previa de los escenarios posibles y los costes totales en cada caso. El efecto de
aumentar o disminuir un determinado Periodo Referencial supone dedicar menos
o más recursos al mantenimiento predictivo, pero también trabajar con una
fiabilidad menor o mayor, respectivamente, en los equipos.

Por otra parte, a la hora de agrupar los criterios en el cálculo del TIBM
conviene destacar que si bien la criticidad de un equipo no suele cambiar mucho,
o al menos no lo hace rápidamente, el estado funcional de un equipo puede
cambiar de forma inesperada, lo que se ha tenido en consideración a la hora de
formular una propuesta con variables separadas que, permita interpretación
sencilla de los datos, una mejor trazabilidad del método y, consecuentemente, la
identificación de posibles errores o inconsistencias.
Para valorar la criticidad de un equipo deben tomarse en consideración

todos aquellos factores que tienen que ver con las consecuencias en caso de fallo
y la probabilidad de que este ocurra. Por tanto, es necesario concretar los
distintos criterios que permiten valorar dicha importancia funcional, lo que se
denomina criterios de criticidad. Dichos criterios deben ser cuantificables y fáciles
de obtener, ya que de otro modo la dinámica de ajuste de los intervalos de
medidas se vería seriamente obstaculizada.
En este estudio, se consideran criterios de criticidad principales los

siguientes:
1. Consecuencias del Fallo del equipo.

2. Frecuencia de Fallo, que puede estimarse mediante su MTBF.
3. Condición funcional del equipo. Se valora mediante un valor numérico
como resultado del diagnóstico del estado del equipo, después de cada
medición. Esto ha sido desarrollado en el capítulo anterior.
4. Decisión Técnica de la dirección de mantenimiento
A su vez, la valoración de las Consecuencias del Fallo se hace a partir de los

siguientes factores:
- Criticidad de la Unidad de Proceso. Esto es importante porque la

criticidad de un equipo es muy dependiente de la unidad completa de
proceso en la que está instalado. Para valorar correctamente este
criterio se utilizan dos indicadores:
o Tipo de producto que procesa la unidad de producción (Unidad

de Proceso). Este criterio, básicamente, trata de evaluar las

pérdidas en caso de fallo del equipo desde el punto de vista del
tipo de producto que está en proceso.
o Unidad alternativa de proceso. Se refiere a las posibilidades de

seguir manteniendo la producción con otra unidad de proceso
distinta a la que ha fallado.
- Efectos sobre la producción. Analiza si el fallo del equipo acarrea o no

la parada del proceso en curso, o también si esta puede seguir pero
con una pérdida de rendimiento.
- Tiempo de Reposición del equipo desde que falla. De alguna manera es

el tiempo necesario para reanudar la función que se ha suspendido
como consecuencia del fallo. Comprende los equipos alternativos
existentes (redundantes, en almacén,...) y el tiempo de puesta en
marcha de las mismas.
- MTTR, Mean Time To Repair, considerado en este caso como el tiempo

total de parada del equipo como consecuencia del fallo, es decir,
incluyendo también tiempos de espera por falta del repuesto adecuado
en stock en el almacén. Obviamente, los equipos con elevados tiempos
de reparación son potencialmente más problemáticos que aquellos que
se pueden reparar en poco tiempo.
En este punto conviene destacar que, aunque los criterios indicados son
aplicables en la gran mayoría de plantas de proceso, pueden añadirse o quitarse
criterios sin que ello merme generalidad al método expuesto, como se verá más
adelante al explicar cómo intervienen en la formulación. Así, como hacen otros
autores, y en otros contextos, podrían incluirse también en el cálculo de la
criticidad criterios tales como: el coste de las reparaciones, el precio del equipo,
los posibles efectos del fallo sobre la reorganización del personal, posible afección
a la seguridad de la empresa, criterios medioambientales, etc.

5.2 Cálculo de la Criticidad
El criterio básico para determinar la criticidad de un equipo son las
consecuencias que se pueden derivar en el caso de que falle. No obstante, desde
el punto de vista de la supervisión de los equipos, es obvio que si dos equipos
tienen consecuencias de fallo idénticas aquel que tenga mayor probabilidad de
fallo debería tener un nivel de supervisión mayor, es decir debe ser considerado
más crítico.
Por lo tanto, para evaluar lo que en este trabajo hemos llamado Criticidad
Intrínseca (CI) de un equipo se utilizará el valor obtenido del producto de los dos
primeros criterios de criticidad -Ecuación (5.1)-, Consecuencias del fallo (CF) y
Frecuencia de Fallo (FF):
vw = vx × xx (5.1)
Utilizar en un equipo el valor de su MTBF como estimador de la

probabilidad de fallo es tanto más fiable cuantos más datos, esto es más fallos,
hayan intervenido en su cálculo. El inconveniente en tal caso es su excesiva
inercia, esto es, por tratarse de un valor medio el MTBF se muestra poco sensible
ante los cambios actuales en el estado funcional del equipo, por lo que en realidad
no aprovecha la información inmediata que se tiene al hacer una supervisión
predictiva. Parece obvio que un mismo equipo tendrá más probabilidad de fallo si
se ha detectado un defecto en desarrollo (por ejemplo, rodamiento defectuoso,
falta de lubricación, desalineación, etc.) que si el equipo se encuentra en muy
buen estado funcional; sin embargo, en ambos casos, su MTBF y, por tanto, su
criticidad intrínseca serían los mismos. Es decir, en el TIBM a aplicar no tendría
ningún efecto el hecho de haber detectado un defecto incipiente.
Llegados a este punto caben dos posibilidades: (1) utilizar el criterio del
Estado Funcional del Equipo (S) como modificador de la Criticidad Intrínseca, es
decir como un multiplicador más en la Ecuación (5.1), y obtener lo que se podría
denominar como un tipo de “Criticidad Instantánea”, o bien, (2) utilizar dicho
criterio como modificador del TIBM, es decir, al final.
En la presente tesis se ha optado por la segunda opción, haciendo que

tanto el Estado Funcional del Equipo como el criterio de Decisión Técnica
intervengan al final del proceso de cálculo, esto es, como modificadores del TIBM
obtenido en primera instancia al considerar solo la Criticidad Intrínseca. De este

modo se consigue separar aquellos factores (criterios) que apenas cambian (o lo
hacen lentamente), como son los dos primeros, de aquellos que, en general,
pueden cambiar rápidamente; lo que sucedería, por ejemplo, al detectar un
defecto en un equipo o al evolucionar este a peor, al reparar un equipo, o también
cuando por circunstancias organizativas en la planta se decide acortar o alargar su
TIBM (Decisión Técnica).
5.3 Categorización de los criterios

A diferencia de la valoración de la Frecuencia de Fallo, cuyo indicador -el
MTBF- es un parámetro fácilmente cuantificable, ya que se trata de un tiempo
(generalmente expresado en días), otros criterios de criticidad como son, por
ejemplo, el Tipo de producto, los Efectos sobre la producción o, especialmente, las
Consecuencias del Fallo, tienen en general una valoración cualitativa y, por tanto,
difícil de cuantificar. En estos casos es preferible utilizar un conjunto discreto de
valores, o categorías, cuya interpretación directa sea fácil por el personal técnico
de la planta.
Por esta misma razón, un conjunto formado por muchas categorías para
valorar un criterio podría complicar en exceso la definición de cada una de las
alternativas y, consecuentemente, su selección. Por el contrario, un conjunto
reducido puede no resultar suficientemente representativo de las diferentes
situaciones a considerar. Por tal motivo, ha demostrado ser bastante operativo
establecer un conjunto de 5 valores, o categorías, para cada uno de los
parámetros a utilizar, con una semántica equivalente a: MUY ALTO, ALTO,
NORMAL, BAJO Y MUY BAJO, es decir, se tiene un valor central, con dos niveles
por encima y dos por debajo. Conviene señalar en este punto que frente a otras
posibilidades ensayadas con más y menos categorías, esta clasificación es, en la
práctica, la que mejores resultados viene dando en las distintas plantas en las que
se ha implementado esta metodología.
Así pues, utilizando cinco categorías en cada criterio, la ecuación (5.1) da

lugar a veinticinco resultados posibles, los cuales comúnmente se representan en
forma de una tabla de doble entrada llamada Matriz de Criticidad, matriz
bidimensional que relaciona la probabilidad de fallo del equipo con la
consecuencia del fallo. Esta matriz será utilizada como herramienta de
priorización de acciones.

Por idénticas razones, también se ha dividido finalmente la criticidad de un
equipo en las mismas cinco categorías descritas antes. Puesto que, conforme a la
ecuación (1), la Criticidad Intrínseca es un dato numérico, es preciso establecer los
valores que van a delimitar cada una de las zonas de criticidad, que determinará la
distribución de equipos entre las cinco zonas.
Aunque esto depende en gran medida del criterio de la empresa, puesto

que afecta directamente a la intensidad del mantenimiento predictivo a realizar,
como norma general se debe procurar una distribución equilibrada de los equipos
según su criticidad. Así, los valores frontera se fijarán de forma que el porcentaje
de equipos con criticidad BAJA, NORMAL y ALTA, sumen más del 50% del total de
equipos y, por consiguiente, los equipos situados en los extremos de la
distribución, con criticidad MUY ALTA y MUY BAJA, siempre deben ser menos de
la mitad. Aunque la distribución de los equipos es cambiante, por ejemplo al
cambiar el estado funcional de los equipos, fijar esta norma general permitirá
comprobar si los valores frontera elegidos para delimitar las zonas de criticidad se
han elegido acertadamente o no.
Puesto que se van a tener distintas categorías de criticidad de los equipos,

desde un punto de vista operativo es preferible utilizar también valores de TIBM
estándar, cada uno de los cuales estará asociado inicialmente con una categoría
de criticidad, por lo que, siguiendo el mismo criterio que hasta ahora, guardan
relación de multiplicidad o submultiplicidad con el Periodo Referencial de
mediciones. No obstante, finalmente se puede definir libremente cualquier otro
TIBM intervalo entre medidas expresado en días.
La cuestión ahora es determinar si los dos criterios principales, a partir de

los cuales se obtiene la Criticidad Intrínseca, tienen o no la misma importancia.
Esto implica concretar cuáles van a ser las escalas numéricas en las que se va a
mover los indicadores de ambos criterios. Es decir, es preciso establecer la
relación de importancia entre la Frecuencia de Fallo y las Consecuencias del Fallo
para poder determinar el valor numérico relativo asociado a cada uno de ellos.
La formulación más ampliamente extendida, particularmente en la

industria, da idéntica importancia a uno y otro criterio. Así, por ejemplo, en el
Failure Mode and Effects Analysis (FMEA), el Risk Priority Number (RPN) se mueve
en el rango de 1 a 1000 porque los tres factores que intervienen (severidad,
probabilidad de ocurrencia y probabilidad de detección) lo hacen entre 1 y 10.

También, Lefayet and Jahirul [18] describen una aplicación en la planta de Parker
Hannifin en Boras (Sweden) donde se obtiene una matriz de criticidad aplicando
idénticas escalas de valoración a la severidad del fallo como la su probabilidad de
ocurrencia. No obstante, algunos autores [19] ya apuntan a la conveniencia de
utilizar escalas diferentes en algunos casos para los distintos factores.
Desde el punto de vista de una compañía, en particular en la planta

industrial en la que se ha llevado a cabo el estudio, el criterio dominante es,
generalmente, el que considera las Consecuencias del Fallo, mientras que la
Frecuencia de Fallo es considerada como un modulador de aquel. Este punto de
vista se puede apreciar más claramente al plantear las dos situaciones extremas
siguientes: Cuando las Consecuencias del Fallo son muy graves el equipo ha de ser
considerado crítico, sea cual sea su Frecuencia de Fallo; sin embargo, una
Frecuencia de Fallo muy alta con unas Consecuencias de Fallo muy bajas,
conduciría a una situación que, a todas luces, no reviste la misma gravedad que el
primer caso. Es decir, se está admitiendo implícitamente que no se pueden utilizar
dos escalas iguales para ambos criterios a la hora de calcular la criticidad.
Para llegar a establecer las escalas relativas de uno y otro criterio es crucial
evaluar la importancia relativa que da la empresa a las distintas situaciones que
pueden plantearse, lo que refuerza el hecho de utilizar conjuntos discretos de
valores para definir los criterios, es decir, categorías semánticas, que resultan
mucho más fáciles de asociar con situaciones reales.
Sin que ello le reste generalidad al método expuesto, en lo que sigue se

utilizarán a modo de ejemplo las escalas de valoración que, tras un gran número
de simulaciones, mejores resultados han dado en la planta en estudio,
concretamente:
Frecuencia de fallo (FF). Puesto que el MTBF es un valor numérico (expresado en

días), se establecen cuatro valores frontera que delimiten las cinco categorías
posibles del conjunto. A tenor de los valores de MTBF en los equipos de la planta,
la escala de categorías sigue la serie aritmética indicada en la tabla siguiente:

Frecuencia de Fallo
>366 365-181 180-91 90-31 <30
(días)
FF 1 2 3 4 5
Tabla 5.1.Valores Frecuencia de Fallo
Esto es, los valores asignados al criterio Frecuencia de Fallo, vienen dados
simplemente por la expresión -ecuación (5.2)-:
= ; = 1. .5 (5.2)
Donde n es el orden de la categoría, ordenadas de menor a mayor

importancia.
Consecuencias del fallo (CF). Se valorarán también en cinco niveles de gravedad.
Dado que la gravedad de las consecuencias tiene un rango de variación

muy amplio, que va desde prácticamente nulas hasta muy graves para los
intereses de la empresa, es preferible definir las categorías mediante una serie
geométrica. Tras realizar un gran número de simulaciones, la siguiente expresión -
ecuación (5.3)- es la que mejor representa la dispersión indicada:
" = 2Q∗(f}i) ; = 1. .5 (5.3)
Donde n es el orden de la categoría, ordenadas de menor a mayor

importancia.
Los valores correspondientes a cada categoría de este criterio quedan, por

tanto, de la siguiente forma:
Consecuencias
MUY BAJA BAJA MEDIA GRAVE MUY GRAVE
del Fallo
CF 1 4 16 64 256
Tabla 5.2.Valores Consecuencia del Fallo

En términos cualitativos esto significa que las consecuencias del fallo en
una categoría se estiman 4 veces mayores que las que se derivarían de un fallo en
la categoría precedente. Obviamente, en este punto la casuística es diversa y muy
dependiente de la valoración de la empresa; por consiguiente, tanto la secuencia
de valores como la relación entre ellos podrán ser distintas en otros casos. Sin
embargo, como se verá más adelante, el resultado final del método no depende
del valor numérico en sí mismo sino de la relación que se establece entre ellos.
Estado del equipo. Se utiliza el conjunto de categorías y valores asociados

indicados en la tabla 5.3. El criterio seguido a la hora de asignar los valores es, al
igual que en el caso anterior, de tipo geométrico, esto es, se considera que la
gravedad del estado de un equipo, entendido como su riesgo potencial de fallo, se
duplica si pasa al estado siguiente. Esto ya se desarrolló en el capítulo anterior de
la presente tesis.
Estado
BUEN ESTADO DUDOSO ALERTA ALARMA
Funcional
S 1 2 4 8
Tabla 5.3.Valores Estado Funcional del Equipo
Es decir, el valor del Estado Funcional se obtiene mediante la ecuación

(5.4):
+ = 2f ; = 1. .4 (5.4)
Siendo n el orden de la categoría dentro del conjunto ordenado de

alternativas posibles, desde BUEN ESTADO hasta ALARMA. Obviamente, si no se
ha efectuado medida alguna en el equipo, su estado no puede ser evaluado. No
obstante, en el supuesto de añadir al conjunto de alternativas anterior una
categoría denominada SIN MEDIR, esta no debería dar lugar a valor numérico
alguno ya que carecería de sentido su valoración diagnóstica.
Decisión Técnica. Se trata de un corrector sobre el resultado final. De esta forma,

por decisión técnica el TIBM puede alargarse o acortarse cuando las circunstancias
técnicas así lo aconsejen. Esto podrá hacerse seleccionando alguno de los
intervalos del conjunto estándar o introduciendo un valor concreto –en días o en
horas- para dicho intervalo. Es decir, en este caso el criterio afecta directamente
al valor del TIBM por lo que no procede definir ningún conjunto de categorías. Se
trata, por tanto de un criterio de ajuste final.
5.4 Cálculo de las consecuencias del fallo

Qué es más o menos importante para una empresa en el caso de
producirse el fallo de un equipo es algo que habrá que determinar en cada caso.
En cualquier caso, todo aquello relacionado con la seguridad, las consecuencias
medioambientales, los costes (de producto, de reparación, de reposición del
equipo,...), los tiempos de parada, la existencia de equipos alternativos
(redundantes, en paralelo, en almacén,...), el interés estratégico de la empresa
(imagen, plazos de entrega,...), las políticas de la empresa (de personal,
proveedores,...), etc., son aspectos que en mayor o menor medida pueden tener
relación con las consecuencias de un hipotético fallo.
Aunque pueden considerarse más o menos criterios de criticidad sin

pérdida de generalidad del método expuesto, en el caso de una planta de proceso
como la que nos ocupa, forman parte del cálculo de las Consecuencias del Fallo
(CF) los siguientes criterios:
A. Criticidad de la Unidad de Proceso, que se calculará a partir de los dos

indicadores (o subcriterios) siguientes:
A.1. Tipo de Producto en Proceso.
A.2. Unidad Alternativa de Proceso.
B. Efectos Sobre la Producción.
C. Tiempo de Reposición.
D. MTTR (Mean Time To Repair).
Puesto que, en general, el nivel de importancia de cada uno de los criterios

indicados es distinto, siguiendo la metodología MCCE [20], el valor de las
Consecuencias del Fallo del equipo se calculará afectando a cada uno de los
criterios anteriores de un factor de ponderación, llamado peso (p), que representa
la importancia relativa que la empresa da a dicho criterio respecto de los demás,

y, seguidamente, es necesario fijar el espacio de posibilidades, categorías de
evaluación, de cada uno de estos criterios en g grados de criticidad.
5.4.1 Determinación del peso relativo de los criterios

En el campo de la decisión multicriterio hay muchos métodos para analizar
y evaluar la importancia relativa de los factores que se encuentran involucrados
en la decisión final del problema [21, 22, 23, 24], así como los basados en AHP
(Analytical Hierarchical Process) [25,26] y desarrollo posteriores [27], incluyendo
análisis AHP fuzzy [28] y cómo relacionarlos entre ellos, por ejemplo, si están
combinados de una forma aritmética (WSM) o geométrica (WPM) [29,30], o por
medio métodos fuzzy [31] para resolver el problema. Jiang et al. [32] emplea
diferentes combinaciones de métodos, como la suma ponderada, el
establecimiento de prioridades, el outranking (relaciones de preferencia) y otros
para la toma de decisión multicriterio. Además, S. French [33], D. Rios [34] o C.
Hengeler y J. Clímaco [35], además de otros autores, también se ocupan del
problema de la decisión multicriterio utilizando métodos de Análisis Sensitivo.
En nuestro trabajo se ha seguido el procedimiento descrito en [20] por

Gómez y Ruiz, basado también en la comparación relativa por pares. Al tratarse
solo de cuatro criterios, existen seis comparaciones posibles entre pares, por lo
que resulta rápido obtener una primera valoración relativa de los pesos. Sin
embargo, como French y Rios apuntan [36], una vez que los pesos han sido
propuestos, se debe de comprobar la idoneidad de los datos obtenidos, es decir, y
remitiéndonos a nuestro caso, los pesos resultantes deben de ser evaluados para
comprobar que son los adecuados conforme al criterio inicial. En el caso del
estudio que estamos siguiendo, tras explorar diferentes situaciones para afinar los
valores, se obtuvo la valoración relativa de los pesos mostrada en la tabla 5.4
Criterio A B C D
Peso 4 3 2 1
Tabla 5.4.Pesos

5.4.2 Grados de criticidad de los criterios
Con el fin de seguir una pauta común, se divide el espacio de posibilidades
de cada criterio en un mismo número de categorías, cada una de las cuales
representa un grado, g, de criticidad distinto de un equipo respecto del criterio en
análisis. Siguiendo con la misma pauta de división que hasta ahora, puede hacerse
una división en 5 grados de criticidad, representativas de las categorías: MUY
ALTA, ALTA, NORMAL, BAJA o MUY BAJA. Cuando el criterio pueda evaluarse de
forma numérica dichas categorías se establecerán mediante límites numéricos,
como es el caso del Tiempo de Reposición o del MTTR (Mean Time To Repair).
En las tablas 5.5 a 5.8 se establecen las alternativas posibles para cada uno
de los criterios y sus correspondientes grados de criticidad:
A) Criticidad de la Unidad de Proceso

g Consecuencia del Fallo
4 Muy alta
3 Alta
2 Media
1 Baja
0 No procede (La criticidad de la Unidad de Proceso nunca puede ser cero)
Tabla 5.5.Valores Criticidad de la Unidad de Proceso
B) Efectos Sobre la Producción

4 Parada inmediata de la producción
3 -
2 Reduce el rendimiento de la producción
1 -
0 No para la producción
Tabla 5.6.Valores Efectos sobre la Producción

C) Tiempo de Reposición (trep).
4 Más de 1 día (trep > 1 día)
3 De 4 horas a 1 día (4 horas < trep ≤ 1 día)
2 De 2 a 4 horas (2 h < trep ≤ 4 h)
1 Menos de 2 horas pero no inmediato (0 < trep ≤ 2 h)
0 Reposición inmediata, hay un equipo redundante (trep ≈ 0)
Tabla 5.7.Valores Tiempo de Reposición
D) MTTR (Mean Time To Repair)

4 Más de una semana (MTTR > 1 semana)
3 De 3 a 7 días (3 día < MTTR ≤ 7 días)
2 De 1 a 3 días (1 día < MTTR ≤ 3 días)
1 De 2 a 1 día (2 h < MTTR ≤ 1 día)
0 Menos de 2 horas (MTTR ≤ 2 h)
Tabla 5.8.Valores MTTR
A su vez, para los dos subcriterios (A1 y A2) Tipo de Producto en Proceso y
Equipo Alternativo de Proceso se establece la siguiente categorización (tablas 5.9 y
5.10):
A1) Tipo de Producto en Proceso

g Situación
4 Equipo dedicado exclusivamente a procesar producto crítico
3 Equipo que procesa principalmente producto crítico
2 Equipo flexible
1 Equipo que nunca, o solo alguna vez, procesa producto crítico
0 No procede (Todos los productos tienen algún valor)
Tabla 5.9.Valores Tipo Producto en Proceso

A2) Equipo Alternativo de Proceso
g Situación
4 No hay ningún equipo alternativo
3 Puede habilitarse temporalmente un equipo inferior alternativo.
2 Hay otro equipo de producción pero con rendimiento inferior.
1 Hay otro equipo de producción con un rendimiento similar.
0 No procede (Siempre tiene un coste cambiar de equipo de producción)
Tabla 5.10.Valores Equipo Alternativo de Proceso
Puesto que el criterio Criticidad de la Unidad de Proceso (criterio A) ha de

regirse por las mismas reglas que los otros tres criterios (B, C y D), el resultado de
la expresión matemática que relaciona a los subcriterios A1 y A2 para obtener el
grado de criticidad del criterio A, ha de ir desde un valor mínimo de cero a un
máximo de cuatro.
Con este condicionante, el grado de criticidad del criterio A, se obtiene

mediante la siguiente expresión -ecuación (5.5)-:
~ ×~
~ = Min Integer part + ; (5.5)

Esta expresión considera implícitamente que los pesos relativos de los

subcriterios A1 y A2 son idénticos. La tabla 5.11 representa en forma matricial
todas las opciones y resultados posibles.

A. Criticidad de la Unidad de Proceso
2 3 4 4
4
A1. Tipo de Producto en

2 3 3 4
3
Proceso 2 2 3 3
2
1 2 2 2
1
0 1 2 3 4
A2. Equipo Alternativo de

Proceso
Tabla 5.11.Matriz valores Tipo de Producto vs Equipo Alternativo de Proceso
5.4.3 Cálculo de las Consecuencias del Fallo

Una vez conocidos los pesos de los criterios (5.4) y los grados de criticidad
correspondientes a un equipo, el valor del criterio consecuencias del fallo para
dicho equipo se obtendrá mediante la ecuación (5.6):
× × × ×
Q·
" = 2
(5.6)
Donde pi es el peso del criterio i y gi es el grado de criticidad seleccionado

para el equipo en estudio respecto del criterio i. Puesto que los grados de
criticidad de los criterios toman valores enteros entre 0 y 4 (tablas 5.5 a 5.8), la
expresión entre paréntesis del exponente de la ecuación anterior puede tomar
cualquier valor comprendido entre 0 y 4.

5.5 Matriz de Criticidad
A partir de los valores posibles (Tablas 5.2 y 5.3) de los dos criterios
principales, FF y CF, la criticidad de un equipo puede tener únicamente alguno de
los valores indicados en la tabla siguiente:
CRITICIDAD
5 20 80 320 1280
5
Frecuencia de fallo (FF)
4 16 64 256 1024
4
3 12 48 192 768
3
2 8 32 128 512
2
1 4 16 64 256
1
1 4 16 64 256
Consecuencias del fallo (CF)
Tabla 5.12.Matriz valores Frecuencia de Fallo vs Consecuencia del Fallo
Como se dijo en al apartado 5.4, desde el punto de vista de la toma de

decisiones resulta más operativo clasificar a los equipos en categorías según su
criticidad. Es decir, dividir el rango posible de valores de la criticidad en zonas.
Dado que el factor más importante son las consecuencias del fallo, se toman
como valores de frontera entre cada una de las zonas de criticidad los valores de
la fila inferior de la tabla anterior (tabla 5.12). De esta forma se satisfacen los
condicionantes iniciales, es decir, se tienen cinco grados de criticidad y se
consigue una clasificación de la criticidad que tiene referencia principal las
consecuencias del fallo y donde la frecuencia de fallo actúa como criterio

modulador. Por tanto, los valores que establecen los límites entre zonas de
criticidad serán los que se indican en la tabla 5.13:
Zona Criticidad Límites
5 Muy Alta Criticidad < 256

4 Alta 64 < Criticidad <
3 Media 16 < Criticidad < => Periodo Referencial
2 Baja 4 < Criticidad < 16
1 Muy Baja Criticidad < 4
Tabla 5.13.Límites de Criticidad
Utilizando distintos niveles de colores para destacar cada una de las zonas,
la matriz de criticidad quedaría definitivamente como se muestra:
CRITICIDAD
5 20 80 320 1280
5
Frecuencia de fallo (FF)
4 16 64 256 1024
4
3 12 48 192 768
3
2 8 32 128 512
2
1 4 16 64 256
1
1 4 16 64 256
Consecuencias del fallo (CF)
Tabla 5.14.Matriz de Criticidad con Límites
Como ya se había adelantado, mediante este método los valores

numéricos resultantes en la matriz de criticidad carecen de significado por sí
mismos, siendo únicamente ítems intermedios de cálculo para conseguir la
partición final, que es en lo en la práctica necesita la dirección del Departamento
de Mantenimiento para obtener los TIBM de cada equipo y poder programar las
Órdenes de Trabajo.
5.6 Intervalos entre Medidas

Puesto que se ha dividido la criticidad en 5 zonas, se asume que la zona
central de la distribución, esto es la que tiene criticidad NORMAL, tiene un TIBM
igual al Periodo Referencial (TR). Una vez fijado dicho Periodo Referencial, el TIBM
correspondiente a cualquier otra zona de criticidad adyacente se calculará
multiplicando o dividiendo por 2 el TIBM anterior, según si el equipo pasa hacia
una zona más crítica o menos, respectivamente. En la práctica esto significa añadir
o eliminar una medición entre cada dos, según se vaya hacia una zona más crítica
o menos, respectivamente, conforme se deduce de la ecuación (5.7), donde Tz es
el TIBM correspondiente a la zona de criticidad z (tabla 5.13).
= × 2} (5.7)
Como puede comprobarse, el exponente de la ecuación (5.7) toma el valor

cero para la zona de criticidad NORMAL, por lo que su TIBM será justamente TR,
como era de esperar; mientras que los valores negativos del exponente se
corresponden con las zonas de criticidad ALTA y MUY ALTA (zonas de criticidad 4 y
5), respectivamente. Por ejemplo, con un Periodo Referencial de 1000 horas los
TIBM correspondientes a estas zonas serán de 500 y 250 horas, respectivamente.
En el lado opuesto, esto es, cuando el equipo tiene criticidad BAJA o MUY
BAJA (zonas de criticidad 1 y 2), el exponente de la ecuación (5.7) tomará valores
positivos, lo que significa alargar el TIBM. Así, siguiendo con el ejemplo de un
Periodo Referencial de 1000 horas, los TIBM serían ahora de 2000 y 4000 horas,
respectivamente.
En la tabla 5.15 se resumen los intervalos de tiempo estándar entre

mediciones para un periodo referencial dado de, por ejemplo, TR = 1000 h:

Zona Cálculo
Criticidad TIBM
(z) (TR x 23-z )
MUY BAJA 1 TR x 22 4000 h.
BAJA 2 TR x 2 2000 h.
NORMAL 3 TR 1000 h.
ALTA 4 TR /2 500 h.
MUY ALTA 5 TR /22 250 h.
Tabla 5.15. Tiempos Referenciales en función de la Criticidad
Siguiendo el procedimiento expuesto en el último párrafo del apartado 5.3

de la presente tesis, una vez fijado el TIBM estándar de cada zona, según la
criticidad intrínseca del equipo, entra en consideración el Estado Funcional (S) del
equipo en cuestión para calcular su TIBM concreto.
Para un determinado equipo, X, el parámetro S tomará alguno de los

valores indicados en la tabla 5.3, dependiendo cuál sea el estado funcional que se
le haya diagnosticado. El Intervalo de Tiempo entre mediciones, TIBM(X), a aplicar
a dicho equipo, X, vendrá dado por la ecuación (5.8):
¢ ×Q£¤
Ut() = ¡
= ¡
(5.8)
Por ejemplo, para un determinado equipo, codificado como S-304, que

pertenece a la zona de criticidad Alta (z = 4) y cuyo último diagnóstico indica que
se encuentra en estado de ALERTA (E = 4), el TIBM que habría que utilizar sería:
1000 × 2}i
Ut('}¥) = = 125 ℎ.
4
Si se supone que trabaja en régimen continuo (24 horas / día), habría que
hacer al equipo una ruta de medición cada cinco días (aproximadamente). ¿Qué

sucede si este intervalo de tiempo es incómodo a la hora de organizar los trabajos
de mantenimiento? La Dirección de Mantenimiento podría ajustar dicho intervalo
de modo que, por ejemplo, se mida una vez a la semana, en lugar de cada cinco
días; o también decidir que (mientras no cambie su estado) se midiese
sistemáticamente los lunes y los jueves. Esto no son más que ejemplos, pero
ponen en evidencia la necesidad de contar finalmente con un criterio adicional de
Decisión Técnica, como ya se había adelantado, especialmente ya que el
procedimiento descrito será gestionado a través del GMAO implantado en
Takasago.
Aunque para el Periodo Referencial y el TIBM utilice como unidad temporal

la hora, en la práctica resulta mucho más fácil gestionar las órdenes de trabajo por
días, o incluso por semanas. Por tanto, el valor de TIBM obtenido en horas se
convertirá a días. Para ello, lógicamente, es preciso disponer del dato de sus horas
de funcionamiento, ya sea con un contador en el equipo o mediante una
estimación de sus horas diarias de funcionamiento. Hay que tener en cuenta que
gracias a la interconexión existente entre el ERP, donde está ubicado el sistema
GMAO, y el DCS a través del sistema MES, la actualización de horas se puede
hacer a través del módulo de producción (imputación partes diarios de fabricación
en el ERP) o incluso a través del DCS, implementando en los PLC que controlan los
equipos un contador de horas reales de funcionamiento.
5.7 Implementación del Sistema
5.7.1 Descripción de los equipos

Aunque el conjunto del estudio incluye más de 300 máquinas, como ya se
dijo anteriormente, en este apartado se mostrarán, a título de ejemplo, los
resultados de aplicar la metodología expuesta a una de las plantas de proceso,
concretamente las unidades encargadas de llevar a cabo los procesos de síntesis
química y destilación de la planta de producción designada como “Nave C” de la
empresa Takasago, ubicada en Murcia.
El conjunto de máquinas de que consta esta línea de producción suponen

aproximadamente la cuarta parte del total estudiado, sin embargo, procesan los
principales productos de toda la planta, y en términos de volumen fabrican el 60%
de la producción de la empresa.

Concretamente, la maquinaria de la planta está compuesta de:
• Grupos de Vacío. Son los encargados de generar las condiciones de vacío

en los procesos de destilación. Están formados por dos bombas de vacío
conectadas en serie: bomba de anillo líquido (figura 5.1) y bomba de
rotores lobulares (Root) (figura 5.2). Ambos equipos funcionan
simultáneamente si la etapa de proceso tiene unos requerimientos de
vacío muy exigentes (por debajo de 40 mbar), en caso contrario solo lo
hace el primero de ellos.
Figura 5.1. Motor-Bomba de anillo líquido y puntos de medida

Figura 5.2. Motor-Bomba Roots y puntos de medida
.
• Agitadores. Forman parte de las unidades de destilación, reacción y
neutralización, y son los encargados de conseguir las condiciones idóneas
de agitación en el interior de los vasos para que se realice de forma
correcta la síntesis química y/o la homogenización del producto. Están
formados por un motor eléctrico, un reductor de engranajes y un eje de
con dos rotores de agitación y su correspondiente sistema de cierre
mecánico con el recipiente principal (figura 5.3)
Figura 5.3. Equipos de Agitación de Destilador y puntos de medida

• Equipos de Frio. Son las encargadas de generar el frí frío necesario para
mantener, principalmente, el control de los procesos exotérmicos. Estas
unidades están formadas por los siguientes equipos principales: Un
compresor rotativo (figura 5.4) .4) y cuatro bombas centrifugas (figura 5.5),
dos para el circuito de frío
o y otras dos para el circuito de impulsión
impulsión, y todos
estos equipos con sus correspondientes motores eléctricos.
Figura 5.4.Motor-Compresor
resor rotativo del Equipo de Frí
Frío y puntos de medida

Figura 5.5.Motor-Bomba Centrifuga del Equipo de Frío y puntos de medida
El régimen de trabajo de los equipos es discontinuo, es decir, por lotes

(batch), habiendo unos tiempos de parada entre lotes de producción que
dependen directamente de factores como:
- Control analítico del proceso llevado a cabo

- Disponibilidad de Recursos Materiales y Humanos
- Estado de la Maquinaria
Estos tiempos de espera suelen ser utilizados por el Departamento de

Mantenimiento para subsanar los problemas que se hayan detectado en los
equipos, ya sea durante su operación o mediante las técnicas de mantenimiento
predictivo.
Durante los tres años que lleva desarrollándose esta tesis, en las
instalaciones de la empresa se analizó los distintos modos de fallo de los equipos
indicados, llegando a la conclusión de que los defectos más significativos para la
producción, tanto desde el punto de vista de su frecuencia como de sus
consecuencias son los siguientes:

- Bomba de anillo líquido: desequilibrio, desalineación, cavitación,
defectos en rodamientos y soltura en pernos de sujeción
- Bomba Root: gripado de émbolos, corrosión de émbolos, falta de

lubricación, efectos modulantes con equipos próximos y resonancias
estructurales
- Bomba centrífuga: desequilibrio, desalineación, cavitación, defectos en

el acoplamiento, defectos en rodamientos, soltura en los pernos de
sujeción
- Compresor rotativo: desalineación, defectos en rodamientos, roce

excesivo de los pistones, deterioro de bielas y problemas en el cigüeñal
- Agitador: desequilibrio, desalineación, sacudidas del eje por succión

debida a vórtices de fluido, falta de tensión en correas de transmisión,
defectos en rodamientos, desgaste de eje y cojinete de teflón interno.
Como se ve, la mayoría de los defectos listados tienen un desarrollo

gradual y es posible detectar, diagnosticar y seguir su evolución, mediante
técnicas de mantenimiento predictivo. Ante la aparición de alguno de estos
defectos en un equipo, la estrategia a seguir consiste normalmente en
incrementar su vigilancia, acortando los intervalos entre mediciones que hasta
entonces se le venían aplicando. La metodología expuesta en esta tesis ha
supuesto un importante paso en la gestión de órdenes de trabajo de la empresa,
al ofrecer un modelo para objetivar y, casi más importante, sistematizar de
forma automática el cálculo de los TIBM haciendo uso de información y datos ya
conocidos.
5.7.2 Situación de partida

Hasta el momento de la implantación de la gestión dinámica del
mantenimiento predictivo desarrollada en la presente tesis, se realizaba una Ruta
de Medición cada 45 días en cada uno de los equipos (tabla 5.16 y tabla 5.17) lo

que arroja un total de 316 rutas anuales. Cada una de estas rutas de medición
comprende la adquisición de datos en varios puntos del equipo (entre 10 y 20
según el equipo) en los que se miden distintos parámetros funcionales (vibración,
temperatura, presión, intensidad de corriente, etc.). De este modo, el número
mínimo de mediciones puntuales realizadas al cabo de un año viene a ser del
orden de 5000.
Las técnicas predictivas utilizadas son principalmente la evaluación del

nivel de severidad y análisis espectral de la vibración, pero también se recurre a
otras técnicas cuando las circunstancias así lo aconsejan, como son: análisis
modal, termografía, ultrasonidos, análisis de lubricantes y análisis de la corriente
eléctrica del motor.
El resultado del diagnóstico de cada equipo se acompaña de un indicador

de su estado, desarrollado en el capítulo anterior de la presente tesis, con cuatro
valores posibles, cuya interpretación física es la siguiente: 1, si el equipo se
encuentra en buen estado; 2, cuando hay indicios de algo anómalo, pero tampoco
es evidente un estado defectuoso; 4, si hay evidencias de algún defecto en el
equipo y, por tanto, hay que seguir muy de cerca su evolución; y, finalmente, 8 si
el equipo presenta un serio riesgo de fallo inminente y, por tanto, se debe
programar su reparación lo antes posible.
Antes de poner en marcha la metodología descrita en este capítulo, si un

equipo no recibía un diagnóstico de BUEN ESTADO pasaba a ser objeto de una
vigilancia más estrecha, pero sin un criterio sistemático y sin tener en cuenta otro
tipo de factores, o criterios de criticidad, más que el propio diagnóstico. Con este
planteamiento, el número real de rutas de medición realizadas duplica fácilmente
el valor indicado anteriormente, es decir, se llegaban a hacer alrededor de 700
rutas de medición anuales. Así, teniendo en cuenta el tiempo medio que requiere
el proceso completo de cada medición y su correspondiente análisis, se invertían
alrededor de 1500 horas de trabajo anuales solo para esta tarea.
5.7.3 Situación actual

Siguiendo la metodología expuesta en el presente capítulo, en varias
reuniones junto con los responsables y técnicos de los departamentos de
Operaciones, Comercial y de Seguridad, el Departamento de Mantenimiento de la

planta realizó la asignación a cada equipo de los grados de criticidad
correspondientes a cada uno de los criterios (A1, A2, A, B, C y D), conforme a las
tablas 5.5 a 5.10, para calcular, mediante la ecuación (6) el valor del criterio
Consecuencias del Fallo (CF). Por otra parte, el valor del MTBF de cada equipo es
un dato que habitualmente maneja el Departamento de Mantenimiento de la
planta, y puede obtenerse de forma automática a través de la aplicación
informática ERP que utiliza la empresa, concretamente, a través del sistema de
gestión del mantenimiento (GMAO).
El valor de MTBF se actualiza semestralmente, aunque, como se ha

comentado anteriormente, es calculado de forma automática por el ERP, por lo
que se podría reducir o ampliar el periodo de cálculo de una forma muy sencilla.
Conocido el MTBF, se averigua para cada uno de los equipos en estudio su

correspondiente valor del criterio Frecuencia de Fallo (FF), conforme a la tabla 5.1.
Conocidos los valores de estos dos criterios principales, a través de la

matriz de criticidad (tabla 5.14), se determina la zona de criticidad que
corresponde a cada equipo. Todo esto puede queda resumido en la tabla
siguiente donde las dos primeras columnas identifican las Unidades de Proceso y
los Equipos incluido en este estudio.
Zona
FF
CF de
Código Código
A B C D Criticidad critic
UNIDAD EQUIPO
A1 A2 idad
(z)
D-300 BV-300 4 2 3 4 1 1 16 1 16 3
D-300 S-300 4 2 3 4 1 4 64 1 64 4
D-300 AG-300 4 2 3 2 3 4 64 1 64 4
D-301 BV-301 4 2 3 4 1 1 16 1 16 3
D-301 S-301 4 2 3 4 1 4 64 1 64 4

D-301 AG-301 4 2 3 2 3 4 64 2 128 4
D-302 BV-302 4 2 3 4 1 1 16 2 32 3
D-302 S-302 4 2 3 4 1 4 64 1 64 4
D-302 AG-302 4 2 3 2 3 4 64 3 192 4
D-303 BV-303 4 2 3 4 1 1 16 1 16 3
D-303 S-303 4 2 3 4 1 4 64 5 320 4
D-303 AG-303 4 2 3 2 3 4 64 1 64 4
D-304 BV-304 3 2 2 4 1 1 16 2 32 3
D-304 S-304 3 2 2 4 1 4 16 1 16 3
D-304 AG-304 3 2 2 2 3 4 64 2 128 4
D-305 BV-305 3 2 2 4 1 1 16 2 32 3
D-305 S-305 3 2 2 4 1 4 16 1 16 3
D-305 BA-305 3 2 2 2 2 3 16 3 48 3
R-305 AG-305 4 2 3 4 3 4 64 3 192 4
R-307 AG-307 4 3 4 4 4 4 256 1 256 5
R-308 AG-308 4 2 3 4 3 4 64 4 256 4
R-309 AG-309 4 2 3 4 4 4 256 5 1280 5
R-314 AG-314 4 3 4 4 4 4 256 4 1024 5
F-71 COM-F71 3 2 2 2 4 2 64 1 64 4
F-71 BC-71A 3 1 1 0 0 0 1 3 3 1
F-71 BC-71B 3 1 1 0 0 0 1 1 1 1
F-301 COM-F301 4 2 3 2 4 2 64 2 128 4

F-301 BC-301A 4 1 2 0 0 0 4 1 4 2
F-301 BC-301B 4 1 2 0 0 0 4 2 8 2
F-302 COM-F302 3 2 2 2 4 2 64 3 192 4
F-302 BC-302A 3 1 1 0 0 0 1 1 1 1
F-302 BC-302B 3 1 1 0 0 0 1 3 3 1
F-303 COM-F303 4 2 3 2 4 2 64 5 320 4
F-303 BC-303A 4 1 2 0 0 0 4 5 20 2
F-303 BC-303B 4 1 2 0 0 0 4 1 4 2
F-303 BF-303A 3 1 1 0 0 0 1 2 2 1
F-303 BF-303B 3 1 1 0 0 0 1 2 2 1
F-303 BF-303C 4 1 2 0 0 0 4 1 4 2
F-303 BF-303D 4 1 2 0 0 0 4 3 12 2
Tabla 5.16. Equipos Nave C. Cálculo de Zona de Criticidad
En la figura 5.6 se muestra distribución porcentual resultante de los

equipos según su criticidad, conforme a cinco las zonas definidas. El valor medio
de la distribución de criticidad de los equipos por zonas es de 3, es decir, valor que
se corresponde aproximadamente con la categoría de criticidad NORMAL.

40%
35%
30%
25%
20%
15%
10%
5%
0%
1
2
3
4
5
Figura 5.6.Distribución
.6.Distribución de Equipos según su Criticidad
Se ha adoptado en toda la planta como periodo referencial ((TR) entre

medidas un valor de 1000 horas, que se corresponde aproximadamente con el
periodo de 45 días entre mediciones que se venía utilizando hasta ahora de forma
genérica. De este modo, vista la distribución de equipos por zonas, por término
medio se tiene un informe diagnóstico del estado funcional de los equipos cada
1000 horas.
Una vez fijado el periodo

odo referencial ((TR) y conocida la criticidad de cada
equipo y su Estado Funcional (S),
), aplicando la ecuación (8) se obtiene TIBM que le
corresponde a cada equipo, lo que se indica en la tabla 5.1. Además, a partir del
dato de horas de funcionamiento de ca cada equipo al cabo de un año
(concretamente en el año 2014), ), se ha calculado también el número de
mediciones que habría que hacer durante el presente año suponiendo un régimen
similar.

Intervalo
Estado del Rutas de
Zona de de Tiempo
Código Código Horas/año Medición
criticidad equipo entre
UNIDAD EQUIPO 2014 previstas
(z) (E) medicione
en un año
s (horas)
D-300 BV-300 3 2 500 1750 4
D-300 S-300 4 4 125 1750 14
D-300 AG-300 4 8 63 1750 28
D-301 BV-301 3 2 500 2000 4
D-301 S-301 4 8 63 2000 32
D-301 AG-301 4 2 250 2000 8
D-302 BV-302 3 2 500 1800 4
D-302 S-302 4 1 500 1800 4
D-302 AG-302 4 2 250 1800 7
D-303 BV-303 3 2 500 1800 4
D-303 S-303 4 1 500 1800 4
D-303 AG-303 4 1 500 1800 4
D-304 BV-304 3 1 1000 3000 3
D-304 S-304 3 2 500 3000 6
D-304 AG-304 4 2 250 3000 12
D-305 BV-305 3 2 500 2300 5
D-305 S-305 3 2 500 2300 5
D-305 BA-305 3 2 500 2300 5

R-305 AG-305 4 1 500 4000 8
R-307 AG-307 5 2 125 2300 18
R-308 AG-308 4 8 63 4000 63
R-309 AG-309 5 2 125 2100 17
R-314 AG-314 5 1 250 700 3
F-71 COM-F71 4 1 500 4300 9
F-71 BC-71A 1 8 500 4300 9
F-71 BC-71B 1 1 4000 4300 1
F-301 COM-F301 4 1 500 4000 8
F-301 BC-301A 2 2 1000 4000 4
F-301 BC-301B 2 4 500 4000 8
F-302 COM-F302 4 4 125 4300 34
F-302 BC-302A 1 4 1000 4300 4
F-302 BC-302B 1 4 1000 4300 4
F-303 COM-F303 4 1 500 4000 8
F-303 BC-303A 2 4 500 4000 8
F-303 BC-303B 2 2 1000 4000 4
F-303 BF-303A 1 1 4000 4300 1
F-303 BF-303B 1 8 500 4300 9
F-303 BF-303C 2 4 500 4000 8
F-303 BF-303D 2 4 500 4000 8
Tabla 5.17. Equipos Nave C. Cálculo de nº de Revisiones

El total de Rutas de Medición previstas en un año es de 389, lo que
representa unas 900 horas de trabajo, frente a las 1500 horas que se venían
dedicando, por término medio, hasta ahora. Con la ventaja añadida de que no se
realizan mediciones innecesarias en equipos que trabajan pocas horas, mientras
que se intensifican los controles en los equipos más críticos, es decir, se
distribuyen mejor los tiempos de mantenimiento predictivo de los equipos.
Debe tenerse en cuenta que se los valores indicados se actualizan

dinámicamente cada vez que cambie alguno de los datos de cálculo (columnas A1,
A2, B, C, D, E y FF); particularmente, el MTBF del equipo (cada 6 meses en esta
planta) o cada vez que se produce un cambio en su Estado Funcional (S), como
consecuencia de un nuevo diagnóstico tras medir en el equipo.
Por tanto, aunque para un equipo concreto el número de Rutas de

Medición previstas (según la tabla) puede variar bastante cuando cambia su
Estado, la suma total, es decir, el número total de Rutas de Medición a realizar
para todos los equipos, se aproxima mucho al dato indicado.
En este sentido, en el Departamento de Mantenimiento de la planta, a la

vista de estas previsiones se vio la conveniencia de imponer ciertas condiciones
adicionales a los TIBM obtenidos. Esto es, en definitiva, lo que se ha llamado
Decisión Técnica al hablar de los criterios de criticidad. Las restricciones impuestas
fueron, concretamente:
- El mínimo número de Rutas de Medición de un equipo al año es de 2.

Aunque normalmente son muy pocos los equipos afectados por ello, esta
decisión hace aumentar el número total de mediciones. Así, en el caso de
la planta en estudio, solo afecta a dos equipos, como puede comprobarse
en la tabla 4.17
- Los equipos que se encuentran en un Estado de ALARMA (S = 8), es decir,

cerca del fallo, tendrán una prioridad de reparación “Inmediata”. El plazo
máximo permisible para iniciar la reparación es el valor del TIBM calculado
en la tabla. Además, como se ha comentado en el capítulo anterior,
existirán, en ciertas situaciones, enclavamientos que no dejen operar o
planificar en unidades de producción con alguno de sus equipos en estado

S=8, por lo que en la práctica, no es necesario volver a medir en el equipo,
ya que su reparación dará comienzo antes. Por tanto, esta Decisión Técnica
disminuye de forma considerable tiempo dedicado a realizar mediciones
extra, a la vez que contribuye a mejorar la fiabilidad de la planta.
- Por otro lado los equipos en estado de ALERTA (S = 4) tendrán una

prioridad de reparación “Alta”, por lo que es previsible que su estado
cambie a BUEN ESTADO (S = 1) en poco tiempo y, consecuentemente, es
de esperar que tampoco se realicen demasiadas mediciones extra.
En resumen, como ya se adelantó, generalmente, el número total de

mediciones que previsiblemente se realizarán en un año será notablemente
inferior a la suma total obtenida en la tabla 5.17
Una situación interesante, que conviene analizar, se daría en el caso

teórico de un equipo de máxima criticidad (zona 5), que trabaje en régimen
ininterrumpido (24 horas/día) y que su Estado sea defectuoso (S = 4) o, peor aún,
en una condición cercana al fallo (S = 8); en tal caso, el periodo entre mediciones
resultante sería de una medición cada 2-3 días, o incluso diaria si es S = 8. En tales
casos debería valorarse económicamente la viabilidad de monitorizar on-line
dicho equipo, especialmente si se ha elegido un Periodo Referencial pequeño
(menor de 1000 horas). De esta forma, el método propuesto no solo es una
herramienta para calcular los TIBM más convenientes a cada equipo sino que,
indirectamente, apunta a un cambio de estrategia en la medición de ciertos
equipos críticos.
5.8 Procedimiento de Trabajo

Tal y como se ha expuesto en el punto 4.4 del capítulo anterior, para la
implementación de lo expuesto anteriormente se ha creado un protocolo de
actuación para las personas encargadas del proyecto PREYBA, tanto de la empresa
Takasago como de las personas pertenecientes al equipo investigador de la
Universidad de Murcia.
Conforme al protocolo, el TIBM será calculado conforme la Tabla de

Estados (TE), figura 4.11, será actualizada por la persona responsable de esta

tarea. Así mismo, y como se ha comentado en el punto 4.4, la información
generada será integrada en una pantalla de Control de Mandos (figura 4.12) para
la gestión de los intervalos dinámicos, la planificación de las revisiones, así como
la gestión de los estados de los equipos
5.9 Conclusiones
Llevar a cabo una monitorización on-line en todos los equipos de una planta
industrial a los que se les haga mantenimiento predictivo es económicamente
inviable en la práctica. En la mayoría de los equipos se hacen, por tanto,
mediciones periódicas a determinados intervalos de tiempo. Al igual que sucede
en el mantenimiento preventivo, determinar el intervalo de tiempo entre
inspecciones más adecuado a cada equipo es la clave del éxito de esta estrategia
de mantenimiento.
El método descrito en este capítulo ofrece una herramienta para calcular, de

una forma objetiva y sistemática los intervalos de tiempo entre mediciones (TIBM)
en cada equipo a partir de su criticidad y estado funcional. La criticidad de cada
equipo se valora mediante una matriz de criticidad obtenida a partir del producto
de la valoración de las consecuencias del fallo y la frecuencia de fallo. Por otra
parte, para asignar un valor objetivo a las consecuencias del fallo se toman en
consideración diferentes factores (criterios de criticidad), tales como el MTBF,
MTTR, el tipo de producto en proceso y otros, que, convenientemente
ponderados, permiten una valoración relativa de dichas consecuencias.
Partiendo de un intervalo de tiempo referencial, el procedimiento descrito

permite ajustar y gestionar de forma dinámica el intervalo de tiempo concreto
que debe transcurrir entre las rutas de medición de mantenimiento predictivo a
realizar en cada equipo. Con la ayuda de un programa informático de gestión del
mantenimiento (GMAO), cada vez que se produce un cambio en el estado
funcional de un equipo, la fiabilidad o en alguno de los otros factores en
consideración, se determina el nuevo TIBM para dicho equipo, de modo que el
programa de gestión pueda actualizar las correspondientes órdenes de trabajo.
Procediendo de esta forma se evitan muchas mediciones innecesarias y, lo que es
más importante, se concentran los esfuerzos en aquellos equipos más críticos o
que, en un momento dado, se encuentran en peor estado funcional.

Capitulo Seis
6 Monitorización de Equipos Críticos Mediante Indicadores
Eléctricos y Mixtos
En las plantas industriales la monitorización en tiempo real de los equipos
rotativos, principalmente en los equipos rotativos, se ha convertido en un
instrumento clave para el control y supervisión del estado del equipo, así como
para la detección prematura de fallos.
Como consecuencia de la aplicación de los procedimientos desarrollados

en los capítulos anteriores, se han identificado una serie de equipos que debido a
su criticidad, ya sea por cuestiones económicas, técnicas o de seguridad, hacen
necesario una continua supervisión de su estado funcional.
La supervisión continuada mediante métodos tradicionales, es decir, a

través de un técnico de mantenimiento continuamente recopilando información
del estado funcional del equipo mediante técnicas de predictivo off-line, es muy
complicada, costosa y difícil de manejar desde el punto de vista operativo. Por lo
tanto, para estos equipos, que deben permanecer monitorizados de forma
continua, se hace necesario la utilización de equipos de medición de parámetros
funcionales que envíen la información de su estado en tiempo real.
La monitorización en tiempo real de equipos rotativos se realiza a través

de técnicas, desde el punto de vista comercial, excesivamente costosas y muy
limitadas, es decir, la posibilidad de encontrar equipos que cubran esta
funcionalidad se encuentra limitado a un número reducido de equipos / sistemas
presentes en el mercado y los costes de implantación son tan elevados que los
hacen inviables para su utilización en PYMEs, estando reservado este tipo de
técnica para grandes maquinarias, tipo turbinas de generación, o grandes equipos
rotativos de empresas petroquímicas.
Debido a los impedimentos anteriormente descritos, en plantas

industriales de tamaño pequeño / medio (PYMEs) la utilización de las técnicas de
monitorización existentes en el mercado es inviable económicamente.

Por lo tanto, se hace necesaria la utilización de otras técnicas alternativas
de monitorización más accesibles comercial y económicamente, que de forma
directa o indirectamente a través de la medición de otras variables, puedan dar
información en tiempo real sobre el estado del equipo rotativo.
Tan importante es la monitorización de estos equipos como la correcta

gestión de la información que se reciba, ya que si esta información no es
gestionada e interpretada de forma correcta daría lugar a una acumulación de
datos sin sentido y difícilmente utilizables, no solamente por los técnicos del
Departamento de Mantenimiento, sino también por otro personal involucrado en
la cadena de suministro. Por lo tanto, esta información debe ser filtrada,
interpretada y presentada de forma operativa, de modo que solamente la
información relevante sea trasmitida, es decir, aquella que ayude a la toma de
decisiones.
Esta información recabada a través de los equipos de monitorización debe ser

implementada en los sistemas de gestión operativos en la empresa (DCS / MES /
ERP) de forma que toda la gestión de información en tiempo real se realice sobre
la misma plataforma, evitando de esta forma la dispersión de datos, típicos del
trabajo en diferentes plataformas.
6.1 Monitorización mediante Analizadores de Redes

Los actuales equipos comerciales de monitorización, mediante análisis de
vibraciones, se encuentran poco introducidos y asimilados por el mercado,
principalmente, en PYMEs como consecuencia de su elevado coste. Se puede
considerar que esta tecnología de coste tan elevado, solamente en casos muy
justificados, en equipos donde la parada imprevista, ya sea por duración de la
parada, o por el coste de la misma, produzca unas pérdidas inaceptables para la
empresa, se plantea su implantación.
Casos como grandes turbinas de plantas de generación, grandes unidades

de destilación en continuo de crudo, u otro tipo de rotativos grandes equipos
ligados a producción en continuo, son buenos candidatos para la implementación
de estos sistemas comerciales, ya que el volumen de inversión se encuentra
generalmente justificado.

En plantas de síntesis química de pequeño y mediano tamaño, donde la
fabricación se realiza bajo lotes, habitualmente con múltiples equipos de
producción, de tamaño y coste generalmente bajos y donde existe una apuesta
clara por la redundancia de equipos productivos y auxiliares para evitar
situaciones de paradas técnicas, estas soluciones están fuera del rango óptimo de
inversión y son difícilmente justificables
Por otro lado, el software utilizado para la implementación de estos

sistemas, suele ser desarrollado sobre plataformas “propias” o libres, por lo que
no se suelen utilizar los sistemas más extendidos para gestión de la información
en las empresas, con lo que, obliga a la empresa a tener una nueva plataforma
para la gestión de estos datos. Así mismo, la integración de los resultados
obtenidos también se hace complicada y costosa, al no utilizar los “estándares”
existentes en el mercado.
Por lo tanto, debido a lo anteriormente expuesto, por su baja implantación

empresarial, las limitadas soluciones comerciales existentes, su elevado coste y la
difícil tarea de la integración de los resultados obtenidos por la utilización de
plataformas propias, durante el desarrollo de la presente tesis se decidió la
búsqueda de equipos de monitorización alternativos, que a través del seguimiento
y control en tiempo real de otros parámetros, sirviera para la detección temprana
de fallos en los equipos rotativos.
Esta monitorización alternativa debía utilizar los sistemas de

monitorización y gestión de la información ya implantados en la planta, por lo que
en un primer momento, se estudiaron diversas alternativas ligadas a parámetros
propios del comportamiento de los equipos durante una producción,
denominados como “parámetros de proceso” (presión, temperatura, caudal…),
recopilados a través del sistema DCS (figuras 6.1 y 6.2), en el caso que nos ocupa,
se realiza mediante el software de control Wonderware.

Figura 6.1.Pantalla de Control DCS (Wonderware – Intouch)
Figura 6.2.Pantalla Control Parámetros Proceso (Wonderware – Historian)
El control en tiempo real de este tipo de información está más orientada a

la detección de problemas directamente relacionados con la producción (figuras
6.3 y 6.4), como por ejemplo, que la temperatura de reacción o el vacío durante
una destilación no sea el correcto, que se hayan superado los niveles de
seguridad…, esto es, mayoritariamente orientadas a la detección de problemas
prematuros que puedan afectar directamente al rendimiento del proceso y, por lo

tanto, al coste final del producto terminado, así como a la seguridad de los
procesos o equipos.
Figura 6.3.Pantalla Control Parámetros Aguas Vertido EDARI
Figura 6.4. Pantalla Control Parámetros Reacción de Hidrogenación
Takasago posee un sistema de control de la producción tecnológicamente

muy avanzado, habiendo implantado, durante los últimos 4 años, múltiples
sistemas de supervisión, control, y aviso (alarmas) tanto en equipos productivos
como auxiliares (compresores, torres de refrigeración, calderas…), haciendo que la
fábrica trabaje, por decirlo de alguna manera, de forma “inteligente”.

Estos sistemas son los encargados de enviar notificaciones (figura 6.5), ya
sean a través de alarmas en los PLCs y los paneles de control (HMIs) a los
operarios de mantenimiento o de producción, como a través de correos
electrónicos a los mandos intermedios o superiores, advirtiendo de una situación
anómala que pudiera afectar a la producción (rendimiento, tiempo, calidad…) o, a
la seguridad de las instalaciones, en cualquiera de sus tres vertientes, seguridad
industrial, medioambiental y seguridad de las personas. Estos “avisos”, pueden ser
de diferente naturaleza y tener un objetivo diferente, como por ejemplo:
• Aviso de interlock superado (seguridad del proceso)

• Aviso de pérdida de rendimiento (desviación de los setpoints de control)
• Aviso de equipo no preparado antes del arranque de una producción
(pruebas de autodiagnósticos)
• Aviso de niveles máximos y mínimos en tanques de materia prima (avisos a
Departamento de Logistica)
• Aviso de consumos excesivos de productos, materias primas y energías
(desviación del coste estándar)
Figura 6.5. Pantalla Control Alarmas
El mayor problema de este tipo de monitorización, desde el punto de vista

de su utilización para la detección de fallos prematuros en equipos rotativos, es
que se encuentra más orientada a la detección situaciones anómalas en los
procesos productivos y sobre todo, a la detección de situaciones que pudieran
afectar al rendimiento y a la seguridad de los procesos, y no orientada a la
detección de anomalías en equipos dinámicos.
Aunque algunas de estas alarmas nos podrían servir para la detección de

de fallos prematuros en los equipos rotativos, los resultados, por si solos, no son
lo suficientemente concluyentes, no aportando una información 100% operativa
para poder detectar dichos fallos en una fase temprana en los equipos rotativos.
Por otra parte, sería preciso establecer la correlación entre las posibles
variaciones del parámetro monitorizado y su correspondencia con el estado
funcional del equipo, esto es el criterio que permitiera alertar de un posible fallo,
lo que no es tan obvio como sería deseable para el objetivo propuesto.
A modo de ejemplo de esto, Takasago tiene implementado una prueba

automática de autodiagnóstico para la detección de pérdidas de vacío en los
destiladores previas al inicio del proceso. Esta prueba se realiza de forma
periódica, por tiempo transcurrido desde la última o por número de lotes
fabricados, y tiene dos objetivos principales, un primer objetivo es la detección de
alguna fuga en los diferentes elementos constructivos del equipo de destilación
(matraces, columna, vaso, grupo de vacío..) y un segundo objetivo que es la
prueba de capacidad del equipo de vacío, donde se intenta comprobar su estado
óptimo. Esta segunda prueba, por si sola, se podría interpretar que sería válida
para la detección de una pérdida de propiedades en los equipos rotativos (grupo
de vacio), pero no es correcto en un alto porcentaje de las ocasiones. El sistema
de vacio está compuesto por más subelementos que interactúan durante esta
prueba (válvulas, tuberías, eyectores..), pudiendo hacernos interpretar un fallo
prematuro en el equipo rotativo, cuando en realidad podría ser un defecto en uno
de estos elementos “secundarios”.
Por lo tanto, para una detección prematura de fallo en los equipos

rotativos a través de los denominados “parámetros de proceso” debe de ser
complementada con otras técnicas para que sea lo suficientemente concluyente.
Una vez descartada la utilización de los parámetros de proceso por si solos,

se optó por la opción de la utilización del Sistema de la Gestión de la Energía

(EMS), a través del control de la energía eléctrica (analizadores) que se encuentra
implantado en la empresa (figura 6.6).
Figura 6.6.Pantalla Control Parámetros Eléctricos (EMS)
Como es bien conocido, la mayoría de los equipos rotativos utilizan para su

funcionamiento motores eléctricos. Un fallo o pérdida de propiedades en
cualquiera de los elementos del equipo rotativo podría afectar al buen
funcionamiento del motor eléctrico, por lo que si monitorizamos su
comportamiento a través de sus parámetros eléctricos, se podría detectar fallos
prematuros o desviaciones de su comportamiento “normal”. Tal es el caso, por
ejemplo, de desequilibrios o desalineaciones de cierto nivel. A lo largo de este
trabajo se ha comprobado como suelen provocar cierto desequilibrio eléctrico
entre fases
Este tipo de equipos de monitorización están ampliamente implantados en

la industria, es una tecnología muy madura, con una alta diversidad de
proveedores que aportan soluciones de cualquier nivel económico y tecnológico.
Además estos equipos se encuentran integrados en la mayoría de los sistemas de
gestión de empresas, siendo parte fundamental en la fase de implementación del
módulo MES, y habitualmente utilizados para el cálculo de costes de producción
(el coste energético es un coste directo de producción).
Un analizador de redes es un instrumento capaz de analizar las

propiedades de las redes eléctricas, especialmente aquellas propiedades
asociadas con la reflexión y la transmisión de señales eléctricas. Principalmente
estos equipos se utilizan para la monitorización de los siguientes parámetros
eléctricos:
• Voltaje (Promedio, máximo y mínimo)

• Intensidad (Promedio y máxima)
• Energía consumida
• Factor de Potencia
• Potencia Activa Consumida
A continuación (figuras 6.7, 6.8, 6.9 y 6.10) se pueden observar algunas de

las pantallas de control que se utilizan para el control de los parámetros eléctricos
a través del sistema de gestión de la energía (EMS) implantado en la empresa.
Figura 6.7.Pantalla Control Consumo y Factor de Potencia (EMS)

Figura 6.8.Pantalla Control Potencia Utilities (EMS)
Figura 6.9.Pantalla Control Distribución Consumos (EMS)

Figura 6.10.Pantalla Control Intensidad Instantánea (EMS)
Por lo tanto, a través de la monitorización de parámetros eléctricos, de

forma individual o combinada con otros parámetros característicos del proceso o
del estado de la producción, como se ha comentado anteriormente, se podrían
parametrizar comportamientos que puedan dar información para la detección de
fallos tempranos en los equipos rotativos.
6.2 Estructura del Sistema. Ejemplos de Detección Prematura de Fallos

La estructura del sistema implantado en Takasago para la monitorización de
los parámetros eléctricos es la mostrada en la siguiente gráfico (figura 6.11):

Figura 6.11.Estructura
.Estructura Sistema Seinon
El sistema esta compuestos por una serie de analizadores tipo SEINON

ANALYZER, conectados a las diferentes líneas eléctricas (principales o secundarias)
que se pretenden monitorizar. Estos equipos a través del bus de comunicaciones,
en nuestro caso ETHERNET, son cone conectados a un equipo de tipo Router
denominado SEINON DATALOGGER. Este equipo es el enc encargado de enviar la
información eléctrica recogida a través de los analizadores hasta la plataforma
creada en la nube, donde un software de BI será el encargado de generar las
gráficas
ficas e informes necesarios para la ges
gestión de la información recabada (figuras
6.7 a 6.10).
La información recogida mediante este sistema de control energético

(EMS) es fácilmente
ente integrable con la información proveniente del sistema de
monitorización de datos de proceso (DCS
DCS), relacionando así parámetros eléctricos
con los de proceso. Por otro lado y gracias al sistema de gestión MES implantado,
también es posible relacionar los datos propios de la producción (kilo(kilogramos,
horas, estados de los equipos) con los parámetros eléctricos obtenidos a través
del sistema de monitorización. Esta integración de datos eléctricos recogidos a
través del EMS, y su integración con los datos del sistema DCS o MES, se realizará
a través del software BI implantado en la empresa (Qlikview)
Actualmente la empresa posee see más de 30 acometidas eléctricas

monitorizadas. El estudio se centró en la monitorización de los parámetros de
equipos críticos resultantes del estudio expuesto en el capítulo anterior (capítulo
5), analizando los parámetros eléctricos por sí solos
solos, así como, relacionando estos

valores eléctricos con otros parámetros de proceso o producción, tal y como se ha
descrito en el párrafo antes.
Como ya se ha comentado anteriormente, este tipo de monitorización es

una herramienta más para la detección de comportamientos anómalos.
Lógicamente, una vez detectado este tipo de comportamiento, se debe realizar un
diagnóstico detallado del equipo para confirmar esta anomalía. Este diagnóstico
se realizará utilizando las técnicas de predictivo descritas en esta tesis, así como
los procedimientos desarrollados en ella.
Por último, se han identificado tres situaciones “tipo” donde esta

monitorización basada en el control de los parámetros eléctricos, ya sea por sí
sola o en combinación con información de proceso/operativa proveniente de los
sistemas DCS y MES, ha sido capaz de identificar desviaciones en el estado
“normal” del equipo dinámico, y por lo tanto detectar un fallo temprano en del
equipo. A continuación se describen en detalle estas situaciones “tipo”.
6.2.1 Detección de Fallo a través de la Desviación del valor las Intensidades por
Fase
La primera situación identificada es una desviación en la intensidad media
por fase en el consumo de un equipo rotativo. Se ha comprobado que un
desequilibrio eléctrico superior al 5%, como es el caso del ejemplo (figuras 6.12 y
6.13), puede ser provocado por un aumento importante del desequilibrio
mecánico. Por ejemplo, si se ha desprendido un trozo de material del rodete, ya
sea por el efecto de la cavitación o de la corrosión, el desequilibrio puede
aumentar repentinamente, provocando un aumento irregular de la órbita del
rotor y, consecuentemente de las corrientes inducidas.
A continuación se pueden observar dos gráficas, a una de ellas es un zoom

de la anterior, donde queda representado el comportamiento anómalo de la
intensidad por fase en una de las bombas de impulsión de agua.

Figura 6.12.Monitorización Intensidad por Fase en Bomba
Figura 6.13.Zoom Monitorización Intensidad por Fase en Bomba
En la imagen se observa un fuerte desequilibrio entre las fases, que más

tarde vuelven a coincidir y de nuevo se vuelve a desequilibrar. Esto fue
considerado como una anomalía en el equipo, que posteriormente fue
confirmada mediante la utilización de las técnicas de predictivo adecuadas. En
este caso en concreto, la turbina del equipo se encontraba desgastada (en torno a
un 40% de los alabes habían perdido material), lo que se traducía en desequilibrio
importante del equipo. La cuestión, en este caso, era ¿por qué si el desequilibrio
mecánico es permanente, el eléctrico desaparece durante cierto intervalo para
luego volver a producirse? Analizando los parámetros de proceso (caudal y
presión) requeridos se pudo observar que estos variaban del mismo modo que lo
hacían las corrientes de fase, de modo que entraba en funcionamiento
automáticamente otro equipo de bombeo conectado en paralelo al mismo
colector. Esto producía una modulación entre la vibración de ambos equipos lo
que amplificaba el efecto vibratorio del desequilibrio.

Una vez alertados del posible problema se midió la vibración del equipo,
dando como resultado un incremento importante del desequilibrio respecto a las
mediciones anteriores, como puede observarse en la figura 6.14.
De este modo, puede verse cómo diferentes parámetros, de proceso y

mantenimiento, se conjugan para detectar y diagnosticar fallos en los equipos,
como se viene exponiendo a lo largo de este capítulo.
Figura 6.14. Resultado Análisis Desequilibrio en Bomba
Como se ha comentado anteriormente, a parte de la detección de la

anomalía, otro de los puntos a desarrollar en este estudio, es la implementación
de esta información en los sistemas de gestión de la empresa, de forma que esta
información relevante” sea operativa y llegue de forma ágil y rápida a las personas
clave para la correcta toma de decisiones.
En este caso en concreto, los datos son recogidos en los analizadores de

forma cuarto horaria, por lo que se implementará una alarma a través del sistema
de gestión de la energía (EMS) de forma que avise de una desviación mayor del
5% en el valor de la intensidad por fase cuando dos medidas seguidas confirmen
esta desviación, o cuando tres medidas no sucesivas dentro de un periodo de 24
horas confirmen esta desviación. Esta alarma será recibida en el PLC que comanda
el equipo a través del sistema MES, con el objetivo de avisar al operario de
mantenimiento encargado de la operación de este equipo, así como también se
enviará un correo electrónico a los responsables de los departamentos de
mantenimiento y operaciones.
Otros equipos donde se han implementado esta monitorización son los

compresores de frío (control de las reacciones exotérmicas), compresor de aire
ATLAS COPCO (suministro de aire para la maniobra de las válvulas automáticas) y
agitadores de reactores donde la matriz de criticidad descrita en el capítulo
anterior indique su alta criticidad. Estos equipos, como es obvio, son críticos
desde el punto de vista de seguridad y de funcionamiento de la planta, por lo que
también fueron seleccionados para el estudio y su monitorización.
6.2.2 Detección de Fallo a través de la Ratio Variable de Operación vs Variable

Eléctrica
La segunda situación identificada tiene que ver con la detección de la
pérdida de propiedades de un equipo rotativo a través de la definición de una
ratio que relacione una variable de operación (carga de trabajo, horas trabajadas,
volumen de producción…) con una variable eléctrica (consumo eléctrico, potencia
consumida,…). Gracias a la utilización de este tipo de indicadores de forma local,
más relacionados con la gestión operacional en un entorno MES, se pueden
detectar fácilmente desviaciones que pudieran significar una pérdida de
propiedades del equipo o equipos rotativos involucrados
El escenario propuesto para el estudio es un sistema de bombeo formado

por 6 bombas centrifugas (4 bombas principales + 2 redundates). Este sistema de
bombeo suministra agua a los condensadores de cabeza a 12 destiladores
situados en dos plantas de producción bien diferenciadas. El cuadro de eléctrico
que comanda estas seis bombas está equipado con un PLC así como con
variadores de velocidad por lo que el caudal de agua bombeado se ajusta a la
necesidad de agua de la producción.
En este caso, los equipos que se encuentran en producción tendrán el

condensador en estado “abierto”, por lo tanto consumiendo agua proveniente del
colector de impulsión. El consumo de agua por destilador se puede considerar
similar; lógicamente a mayor número de destiladores en producción el caudal de

agua necesario será mayor, por lo tanto, el consumo eléctrico del bombeo será
proporcional a la cantidad de destiladores en producción.
Una pérdida de propiedades de uno de los equipos de bombeo daría lugar

a un mayor consumo eléctrico (mayor potencia consumida), ya que, por ejemplo,
en el caso de una pérdida de propiedades en el rodete (desgaste), aunque la
bomba estuviera trabajando al 100% el caudal suministrado podría sería inferior al
su nominal, por lo que obligaría al sistema a arrancar la siguiente bomba para
poder mantener la presión en el colector en los valores prefijados (setpoint en el
PLC).
Por otro lado, cabe señalar que el arranque del siguiente equipo de
bombeo está condicionado a un mínimo del 20%, es decir, cuando la consigna no
se cumpla, el PLC dará la orden a la siguiente bomba para su arranque, pero la
velocidad mínima será del 20%, ya que se considera que por debajo de esta
velocidad la bomba no funciona de forma correcta.
Además de este punto, existen otros “hándicaps” que dificultan aún más la
detección de anomalías a través del sistema de monitorización eléctrico, como
puede ser, la “pericia” del operador de planta con la apertura/cierre de la válvula
de retorno del equipo, el correcto estado de las tuberías que no genere una
pérdida de carga adicional, el estado de ensuciamiento de los tubos interiores de
los condensadores, el estado de las válvulas intermedias (de corte) y otros
factores que pueden enmascarar de alguna manera un defecto en el sistema de
bombeo.
Conforme a todo lo anterior, se ha considerado el ratio Potencia

Consumida (kW)/“Equipos en Funcionamiento” como el indicador idóneo para
detectar alguna anomalía en el conjunto de bombeo. En la figura siguiente (figura
6.15) se puede ver el comportamiento de la instalación durante aproximadamente
un mes (meses de junio y julio):

Figura 6.15.Potencia Consumida Instalación Bombeo meses Junio y Julio
Como se puede observar, existe una variación de la potencia consumida

durante el periodo analizado, lo que conforme a lo desarrollado anteriormente, es
de suponer que también hay una variación en el número de equipos arrancados y
consecuentemente, consumiendo agua.
Por lo tanto, debemos referenciar este valor eléctrico al número de

“Equipos en Funcionamiento”. Este valor de “Equipos en Funcionamiento” lo
podremos obtener a través del Modulo de Gestión de la Producción o a través de
los propios PLCs que comandan los equipos. La integración de esta información se
realizará a través del sistema MES.
En la figura 6.16 se puede observar el valor de “Equipos en

Funcionamiento” y la ratio potencia (kW) “Equipos en Funcionamiento”.

Equipos Funcionamiento Ratio
30,0 8,2
8 8 8 8 8 8 8 8 8 8
8
25,0
7,8
20,0 7,6
7,4
15,0
7,2
7 7 7 7 7 7 7 7 7 7
10,0 7
6,8
5,0
6,6
0,0 6,4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 6.16.Valor “Equipos en Funcionamiento” y Ratio Kw/EF
La ratio calculada varía entre los valores 18 y 26, por lo que hay que
determinar los valores límites de esta ratio a partir de los cuales podemos
considerar que el sistema de bombeo tiene un comportamiento anómalo.
Para la obtención de estos valores de referencia se optó por la realización

de una prueba experimental, una prueba en vacío de los equipos. Esta sencilla
prueba consistió en el arranque secuencial los equipos hasta plena carga,
obteniendo así, la curva de carga de la instalación en vacío. La instalación de
bombeo, junto con el anillo de servicio, fue revisada por el departamento de
mantenimiento para evitar, como se ha comentado antes, que un fallo en una
tubería, condensador o válvula del circuito en mal estado, pueda enmascarar los
resultados.
Una vez realizadala prueba, y con un estado más que aceptable de las
instalaciones, se consideró que un valor de 18 a 22 kW/equipo en marcha era un
valor más que razonable como ratio “inicial” que nos indicará el buen
funcionamiento de los equipos. Como se puede observar en el siguiente gráfico
(figura 6.17), los valores reales siempre se encuentran dentro de los límites de los
valores escogidos como aceptables (mínimo y máximo).

300
250
200
Limite Mínimo
150
Limite Máximo
100
Valor Prueba
50
0
1 2 3 4 5 6 7 8 9 10 11 12
Figura 6.17.Curva de Carga en Vacío de la Instalación y Valores Límite
Conforme a estos valores límites prefijados y trasladados a la figura 6.16,

se puede observarla en la figura 6.18 que existen valores superiores al límite
superior a partir del día 15, lo que nos puede sugerir un comportamiento anómalo
del sistema de bombeo.
Equipos Funcionamiento Ratio
30,0 8,2
8 8 8 8 8 8 8 8 8 8
8
25,0
7,8
20,0 7,6
7,4
15,0
7,2
7 7 7 7 7 7 7 7 7 7
10,0 7
6,8
5,0
6,6
0,0 6,4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 6.18.Valor “Equipos en Funcionamiento”, Ratio Kw/EF y Valores Límite
En este caso en concreto, una vez detectado este indicio, el sistema de

bombeo fue revisado mediante el análisis de vibraciones, no encontrándose

ningún defecto “importante” en las bombas. Una vez descartado el mal
funcionamiento de las bombas, se revisó el estado del colector y de las válvulas de
pie de la instalación, encontrándose que una de estas válvulas no realizaba el
juego apertura/cierre de forma correcta, al estar anegada por material sólido. Esta
falta de juego “normal” en la válvula de pie, justifica el comportamiento de la
instalación, ya que una apertura insuficiente de esta generaba un caudal menor
de impulsión en la bomba y por lo tanto una caída de presión en el circuito que
hacía que el PLC arrancara otra bomba para poder mantener la consigna de
presión en el colector. En otras ocasiones, han sido detectados fallos propios del
funcionamiento de la bomba (principalmente cavitación y desequilibrio).
Como se ha comentado a lo largo de este capítulo, la utilización de este

tipo de monitorización e indicadores debe ser utilizada como una alerta de que
existe una situación anómala en el equipo o sistema, que debe ser confirmada a
través de técnicas de predictivo o, como sucede en el caso expuesto a través de
una revisión exhaustiva de la instalación.
Por lo tanto, para automatizar esta monitorización como se hizo en el

apartado anterior, se ha implantado una alarma en el sistema de forma que si el
valor del indicador superaba los 22 kW/EF durante dos mediciones seguidas o tres
no sucesivas en un periodo de 24 horas, envía un correo electrónico a los
responsables de mantenimiento y producción, así como, a través del sistema MES,
al PLC que comanda el sistema de bombeo para avisar al operario de
mantenimiento encargado de dicha instalación.
6.2.3 Detección de Fallo a través la Ratio Variable de Proceso vs Variable

Eléctrica
La tercera situación identificada tiene que ver con la detección de la
pérdida de propiedades de un equipo rotativo a través de la definición de una
ratio que relacione una variable de proceso (caudal, temperatura, presión…) con
una variable eléctrica (consumo eléctrico, potencia consumida,…). Al igual que en
el anterior apartado, gracias a la utilización de este tipo de indicadores de forma
local, donde se relaciona con una variable del proceso, obtenida del sistema DCS,
se pueden detectar fácilmente desviaciones, que pudieran significar una pérdida
de propiedades del equipo o equipos dinámicos involucrados

El escenario propuesto para el estudio es un grupo de bombas centrifugas
pertenecientes a uno o varios grupos de frío utilizado para el control de una
reacción exotérmica. Estas bombas son las encargadas de impulsar el fluido agua-
glicol, previamente enfriado a través del grupo de frio en el tanque de agua-glicol
al que se encuentran conectadas, hasta los reactores donde se producen la
síntesis química. El circuito al que suministra frio es un anillo cerrado, donde los
reactores se conectan en paralelo formando una batería. El caudal suministrado
se puede considerar constante (la bomba trabaja al 100% y no hay regulación de
caudal), ya que, aunque el caudal de enfriamiento esté controlado mediante una
válvula de control que inyecta o desvía este flujo en función de la consigna de
trabajo (habitualmente temperatura y/o presión), el circuito está configurado
como un anillo con lo que el caudal no utilizado para las reacciones, es devuelto al
tanque de agua-glicol para ser de nuevo enfriado.
En este punto se podría plantear realizar la monitorización de estos

equipos única y exclusivamente a través de caudalimetros que controlen en
tiempo real, a través del sistema DCS, el caudal impulsado por las bombas. Esta
información, como se ha comentado anteriormente, por sí sola, podría ser válida
para detectar una anomalía en el sistema (bomba, tuberías, válvulas…), pero no
sería concluyente de un fallo en el equipo de bombeo en un elevado número de
ocasiones, ya que, por ejemplo, una variación del caudal por una obstrucción en
un tramo de tubería o en una de las válvulas de corte, podría disminuir el caudal
de impulsión y no sería, por lo tanto, un fallo del equipo rotativo.
Conforme a lo explicado en el anterior párrafo y como se ha expuesto en el

ejemplo anterior, la información suministrada por el cuadalímetro debe ser
complementada con la información recogida a través del sistema de
monitorización de la energía eléctrica.
Una pérdida de propiedades en la bomba podría dar lugar, por ejemplo, a

dos situaciones contrapuestas, desde el punto de vista de consumo eléctrico:
• Una disminución del caudal impulsado junto con un consumo eléctrico

inferior al nominal (menor potencia consumida) debido, por ejemplo,
a una pérdida de propiedades (figura 6.19) en el rodete (desgaste y
pérdida de material) que facilitarán el giro del eje con una menor
fuerza aplicada.

Figura 6.19.Ejemplo de Desgaste en el Rodete de Bomba
• Una disminución del caudal impulsado junto con un consumo eléctrico

superior al nominal (mayor potencia consumida) debido, por ejemplo,
a un rozamiento interno en los rodamientos, eje e incluso en el rodete,
necesitando por lo tanto una fuerza mayor para la rotación del eje, y
por lo tanto un mayor consumo eléctrico.

Figura 6.20.Ejemplo de Desgaste en Rodamientos
En ambos casos, el indicador a implantar es el mismo, y sería la ratio

Potencia Consumida (kw)/caudal nominal (m3/h), obtenido a través de la curva
característica de la bomba. Este valor de caudal nominal puede ser modificado en
base a la experiencia, ya que existen situaciones particulares donde la bomba
puede y debe trabajar en zonas fuera de su curva nominal.
El procedimiento a desarrollar para la implantación del indicador es similar

al anterior apartado, identificando los valores límite de funcionamiento del
indicador para cada una de las bombas analizadas e implementando una alarma
en el sistema de forma que si el valor del indicador superaba su valor límite
superior e inferior durante dos mediciones seguidas o tres no sucesivas en un
periodo de 24 horas, envíe un correo electrónico a los responsables de
mantenimiento y producción, así como, a través del sistema MES, al PLC que
comanda el grupo de frío para avisar al operario de mantenimiento encargado de
dicha instalación.
La utilización este tipo de monitorización e indicadores será utilizada como

una alerta de que existe una situación anómala en el equipo o sistema, que debe
ser confirmada seguidamente través de técnicas predictivas.
6.3 Conclusiones
Llevar a cabo una monitorización mediante vibraciones en un gran número
de equipos de plantas industriales de síntesis, como la que nos ocupa, es
económicamente inviable en la práctica. Además, tal y como se ha comentado en
este capítulo, no solamente el factor económico es condicionante, también lo son
factores técnicos son poco favorables para la implantacion de soluciones de este
tipo en pequeñas y medianas empresas.
Por este motivo, en este capítulo se ha desarrollado una alternativa real y

factible de monitorización, utilizando los sistemas de monitorización ya
implantados en la empresa, sin la necesidad de una inversión extra en software,
hardware o equipos de medida.

Esta alternativa real, como se ha desarrollado, está basada en la
combinación e integración de datos provenientes de tres sistemas de
monitorización ya implantados, la monitorización de los parámetros eléctricos
(Sistema de Gestión de la Energía – EMS-), la monitorización de los parámetros de
proceso (Sistema de Control Distribuido – DCS-) y por último, la monitorización de
parámetros de operativos (Sistema de Ejecución de la Producción –MES-).
Se han presentado diferentes situaciones donde estos sistemas de forma

aislada o combinada son una herramienta válida, flexible e integrada para la
detección prematura de situaciones anómalas en los equipos rotativos. Así mismo,
tal y como se ha comentado en este capítulo, aunque las situaciones anómalas
detectadas deberán ser corroboradas posteriormente mediante técnicas de
predictivo, la herramienta desarrollada en este capítulo es un complemento
perfecto para la detección de fallos que pudieran dar lugar paradas no previstas
de la producción.
Así mismo, lo expuesto en este capítulo abre un campo de trabajo muy

amplio para futuros trabajos, ya que, aunque se han presentado varios casos de
éxito, la funcionalidad de estos indicadores mixtos es mucho mayor, pudiendo
abarcar sistemas de medición de otras variables energéticas, como por ejemplo, la
producción de vapor, la generación de frio, es decir, el campo de estudio es
amplio y con una aplicación directa en la industria.
Así mismo, y gracias a la utilización de plataformas ya consolidadas en la

empresa, la información generada es compartida en tiempo real con todos
aquellos departamentos donde esta información es relevante para la toma de
decisiones, conforme a los pilares fundamentales de la Industria 4.0.

Capitulo 7
7 Conclusiones y Trabajos Futuros
7.1 Conclusiones
Como ha quedado expuesto en esta tesis, esta se vertebra en torno a tres
líneas de investigación principales.
La primera línea de investigación (Capitulo 4), donde se ha desarrollado un

procedimiento sencillo, operativo y eficaz para categorizar y cuantificar el “estado
funcional” de un equipo dinámico a través de los resultados obtenidos en los
diagnósticos de mantenimiento predictivo.
El método descrito ofrece una herramienta que, de una forma objetiva y

sistemática, permite evaluar y establecer categorías del estado funcional de cada
uno de los equipos de producción, haciéndolas fácilmente interpretables y de gran
utilidad para todos los departamentos de la empresa.
Se han presentado diferentes situaciones donde esta valorización numérica

aplicada al estado funcional del equipo es utilizada para la toma de decisiones en
tiempo real a diferentes niveles y departamentos involucrados en la cadena de
suministro. Así mismo se ha detallado cómo esta información es gestionada a
través de los sistemas de gestión de la información implementados en el empresa,
haciéndola accesible y operativa en tiempo real, en línea con la denominada
Industria 4.0.
La segunda línea de investigación (Capítulo 5) se ha centrado en la

implementación de sistema de gestión dinámica de los intervalos de medición
basada en la criticidad y el “estado funcional” de los equipos anteriormente
desarrollado.
El método descrito ofrece una herramienta para calcular, de una forma

objetiva y sistemática, los intervalos de tiempo entre mediciones (TIBM)
recomendados para cada equipo y encada situación a partir de su criticidad y
estado funcional.
A través del sistema de gestión del mantenimiento cada vez que se produce
un cambio en el estado funcional de un equipo o en alguno de los otros factores

de la matriz de criticidad, se determina el nuevo TIBM para dicho equipo, de
modo que el programa de gestión actualiza automáticamente las
correspondientes órdenes de trabajo. Procediendo de esta forma, ha quedado
demostrado que se evitan muchas mediciones innecesarias y, lo que es más
importante, se concentran los esfuerzos en aquellos equipos más críticos o que,
en un momento dado, se encuentran en peor estado funcional. Además, tal y
como se ha expuesto, el número de medidas a realizar se ve reducido de forma
sensible, con el consiguiente ahorro de costes para la empresa.
Por último, la tercera línea de investigación (Capítulo 6) se ha centrado en

la monitorización en tiempo real de aquellos equipos más críticos aprovechando
los parámetros de proceso y de operación de planta. Se ha desarrollado una
metodología para identificar situaciones anómalas mediante la monitorización de
los parámetros eléctricos (potencia, intensidad, voltaje…), provenientes del
Sistema de Gestión de la Energía (EMS) o mediante la monitorización de
indicadores mixtos, resultado de combinar estos parámetros eléctricos con la
monitorización de los parámetros de proceso provenientes del Sistema de Control
Distribuido (DCS) o con la monitorización de parámetros de operativos
provenientes del Sistema de Ejecución de la Producción (MES).
Se han presentado diferentes situaciones donde estos sistemas de forma

aislada o combinada son una herramienta válida, flexible e integrada con los
sistemas de gestión de la información existentes para la detección prematura de
situaciones anómalas en los equipos. Así mismo, tal y como se ha comentado,
aunque las situaciones anómalas detectadas deberán ser corroboradas
posteriormente mediante técnicas de predictivo, la herramienta desarrollada es
un complemento muy útil para la detección de fallos que pudieran dar lugar
paradas no previstas de la producción y permite explotar las posibilidades de los
parámetros que actualmente ya están en uso.
Complementariamente a las tres líneas de investigación desarrolladas en la

presente tesis, este trabajo ha cumplido con tres premisas fundamentales que
fueron marcadas al inicio del presente trabajo:
La primera premisa, donde todos los procedimientos y herramientas

desarrollados debían ser aplicables e integrables en un entorno industrial real,
principalmente en donde se había desarrollado, así como también debían de ser
escalables a otro tipo de industrias.
La segunda premisa, donde toda la información desarrollada en el presente
trabajo, debía de ser fácilmente compartida con los otros sistemas de gestión
operativos en la empresa, de forma que esta información fuera utilizada, en
tiempo real, para la toma de decisiones no solo por el departamento de
mantenimiento, sino también por otros departamentos involucrados en la cadena
de suministro, punto fundamental de la Industria 4.0
Y por último, y como tercera premisa, se debían utilizar al máximo los

sistemas de gestión existentes en la empresa (ERP, DCS, MES), así como los
entornos colaborativos y también operativos (portales de intercambio de
información) de forma que se evitara en todo lo posible la generación de nuevas
plataformas que obligara a la empresa al mantenimiento y gestión de los
interfaces creados para la interconexión con los existentes.
7.2 Trabajos Futuros

Son muchos los campos que se abren para futuros trabajos, donde los
procedimientos y herramientas desarrolladas en esta tesis pueden ser aplicados.
La aplicabilidad de la asignación de estados (capítulo 4), y por ende, la

gestión dinámica de intervalos de medición (capítulo 5), puede ser extendida al
resto de los equipos de la planta de Takasago, principalmente en aquellos equipos
donde sea posible la evaluación de su estado través de técnicas de predictivo. Por
ejemplo, las trampas de vapor o purgadores de vapor, como comúnmente se las
conoce, son un equipo crítico desde el punto de vista del control de procesos de
reacción y destilación que interesa tener perfectamente controlado para evitar
pérdidas de rendimiento. Estos equipos son diagnosticados actualmente mediante
técnicas de predictivo basadas en ultrasonidos, por lo que son unos buenos
candidatos para la aplicación de las herramientas de asignación de estados y
gestión dinámica de intervalos desarrolladas en esta tesis. Actualmente, Takasago
tiene abierta una línea de investigación para la inclusión de estos equipos en el
sistema de gestión desarrollado para esta tesis.
También los fallos en válvulas son muy frecuentes en las plantas de proceso.
Actualmente se está en proceso de desarrollo e implementación de las tesis aquí
expuestas a este campo concreto.

Si bien en este trabajo se han utilizado algunos parámetros de proceso y
operativos de la planta para su integración en los procesos de detección y
diagnosis de fallos, por un aparte, existen otros parámetros cuya aplicabilidad
para los objetivos propuestos puede y debe explorarse, como son los derivados de
los controles de calidad de producto, los rendimientos del proceso, los tiempos de
destilación, el MTBF de los equipos, etc. Por otra parte, determinar las reglas que
permitan establecer la interrelación de la variación de estos parámetros y el
posible defecto subyacente en un equipo se muestra como un campo de trabajo
con grandes expectativas de desarrollo.
Por último, la funcionalidad de indicadores mixtos (capítulo 6) es mucho

más amplia de la expuesta en esta tesis, ya que también permite introducir los
sistemas de medición de otras variables energéticas, como por ejemplo, la
producción de vapor, la generación de frio o la generación de nitrógeno y aire.
Equipos como las calderas de producción de vapor o compresores de frio, podrían
ser monitorizados combinando las variables energéticas específicas de estos
equipos, las variables eléctricas asociadas (principalmente consumo y potencia) y
las variables de operación de la planta. Actualmente, esta línea de investigación
para el control en tiempo real del rendimiento de las calderas se encuentra en
desarrollo.

Bibliografía
[0] Gómez de León, F.C. y Valverde M., A. Sistema experto multiparamétrico de

diagnosis del estado funcional de equipos dinámicos rotativos. Actas del III
Congreso Iberoamericano de Ingeniería Mecánica. La Habana. Cuba, 1997.
[1] Girdhar P., Practical Machinery Vibration Analysis and Predictive

Maintenance. IDC Technologies, 2004.
[2] Yam R.C.M, Tse P.W., Li L. and Tu P. Intelligent Predictive Decision Support
System for Condition-Based Maintenance. Int J Adv Technol. 17:383-391,
2001.
[3] Finley W., An analytical approach to solving motor vibration problems.

Petroleum and Chemical Industry Conference. Industry Applications Society
46th Annual, 1999.
[4] Tavner P.J, Review of condition monitoring of rotating electrical machines.

Electric Power Applications, IET (volume: 2, issue: 4), 2008.
[5] Souris, Jean Paul. The maintenance, source of benefits (Spanish Edition).
Edit. Diaz de Santos, S.A, 1992.
[6] Cowing Michelle M., Paté-Cornell, M. Elisabeth and Glynn Peter W. Dynamic
modeling of the tradeoff between productivity and safety in critical
engineering systems. Reliability Engineering & System Safety. Volume 86,
issue 3, pages 269-284, 2004.
[7] Vaurio, J. K. Optimization of test and maintenance intervals based on risk

and cost. Reliability. Engineering & System Safety. Volume 49, issue 1, pages
23-36, 1995.
[8] You-Tern Tsai, Kuo-Shong Wang and Lin-Chang Tsai. A study of avalaibility
centered preventive maintenance for multi-component systems, Reliability
Engineering & System Safety. Volume 84, issue 3, pages 261-270, 2004.
[9] M Bevilacquaa and M Bragliab. The analytic hierarchy process applied to
maintenance strategy selection. Reliability Engineering & System Safety.
Elsevier. Volume 70, issue 1, pages 71–83, 2000.

[10] Whitaker LR, Samaniego FJ. Estimating the reliability of systems subject to
imperfect maintenance. J Am Stat Assoc; 84/405, pages 301–309, 1989.
[11] Martorell S.; Munoz A. and Serradell V. Age-dependent models for
evaluating risks and costs of surveillance and maintenance of systems. IEEE
Trans Reliab; 45/3, pages 433–441, 1996
[12] Martorell S., Sánchez A. and Serradell V. Age-dependent reliability model
considering effects of maintenance and working conditions. Reliability
Engineering & System Safety. Volume 64, issue 1, pages 19-31, 1999.
[13] Chelbi A. and Ait-Kadi D. An optimal inspection strategy for randomly failing
equipment. Reliability Engineering & System Safety. Volume 63, issue 2,
pages 127-131, 1999.
[14] R. Isermann and P. Ballé. “Trends in the application of model-based fault
detection and diagnosis of technical processes”. Control Eng. Practice. Vol. 5,
No. 5, pp. 709-719. 1997.
[15] Stegemann D., Reimche W., Sudmersen U., Pietsch O., Monitoring and
vibrational diagnostic of rotating machinery in power plants. First
IEE/IMechE International Conference on Power Station Maintenance -
Profitability Through Reliability, pages 39 – 44, 1998.
[16] Mingsian Bai, Jiamin Huang, Minghong Hong, Fucheng Su, Fault diagnosis of
rotating machinery using an intelligent order tracking system, Journal of
Sound and Vibration 280, pages 699–718, 2005.
[17] Betta, G., Liguori, C. ; Paolillo, A. ; Pietrosanto, A., A DSP-Based FFT-analyzer

for the fault diganosos of rotating machine base on vibration analysis,
Instrumentation and Measurement Technology Conference. Proceedings of
the 18th IEEE (Volume: 1), 2001.
[18] Lefayet Sultan Lipol and Jahirul Haq. Risk analysis method: FMEA/FMECA in
the organizations. International Journal of Basic & Applied Sciences IJBAS-
IJENS Vol. 11, No. 5, 2011.
[19] Nune Ravi Sankar, Bantwal S. Prabhu. Modified approach for prioritization of
failures in a system failure mode and effects analysis, International Journal
of Quality & Reliability Management, Vol. 18 Iss: 3, pp.324 – 336, 2001.

[20] Gómez de León F C, Ruiz Cartagena J. Maintenance strategy based on a
multicriterion classification of equipments, RESS, Elsevier Ltd. vol 91, 2006.
[21] Romero, C. Multicriteria decisions analisis (in Spanish). Edit. ISDEFE. Madrid,
1996.
[22] Jerome Tixier, Gilles Dusserre, Olivier Salvi and Didier Gaston. Review of 62
risk analysis methodologies of industrial plants. Journal of Loss Prevention in
the Process Industries, Elsevier, pp.291-303, 2002.
[23] José Figueira, Salvatore Greco and Matthias Ehrgott. Multiple criteria
decision analysis: state of the art surveys. Ed. Springer, New York, 2005.
[24] Ling Xu and Jian-Bo Yang. Introduction to Multi-Criteria Decision Making and
the Evidential Reasoning Approach. Manchester School of Management.
Working Paper No. 0106. ISBN: 1 86115 111 X, 2001.
[25] Saaty, T. and Alexander, J. Analytical Planning. The Organization of Systems.

Pergamos Press, Oxford, 1985.
[26] Saaty, T.L. The Analytical Hierarchy Process: Planning, Priority Setting,
Resource Allocation. RWS Publications, Pitsburgh, 1990.
[27] Peniwati, K. The Analytical Hierarchy Process: Its Basics and Advancements.
INSAHP, Jakarta. 2000.
[28] Ling Wanga, Jian Chua and Jun Wub. Selection of optimum maintenance
strategies based on a fuzzy analytic hierarchy process. International Journal
of Production Economics. Elsevier. Volume 107, issue 1, pages 151–163,
2007.
[29] Evangelos Triantaphyllou and Alfonso Sánchez. A sensitivity analysis

approach for some deterministic multi-criteria decision making methods.
Decision Sciences, Vol. 28, No. 1, pp. 151-194, 1997.
[30] Triantaphyllou, E. Multi-Criteria Decision Making: A Comparative Study.
Springer US. DOI: 10.1007/978-1-4757-3157-6, 2000.
[31] Basim Al-Najjara and Imad Alsyoufb. Selecting the most efficient
maintenance approach using fuzzy multiple criteria decision making.
International Journal of Production Economics. Elsevier. Volume 84, issue 1,
pages 85–100, 2003.

[32] Jiang-Jiang Wang, You-Yin Jing, Chun-Fa Zhang and Jun-Hong Zhao. Review
on multi-criteria decision analysis aid in sustainable energy decision-making.
Renewable and Sustainable Energy Reviews. Elsevier. Volume 13, issue 9,
pages 2263–2278, 2009.
[33] French, S. Decision Theory, Ellis Horwood. 1986.

[34] D. Rios Insua, J. Martin, L. Proll, S. French and A. Salhi. Sensitivity Analisis in
Statistical Decision Theory: A Decision Analytic View. Research Report Series.
Report 95.36. School of Computer Studies. University of Leeds. 1995.
[35] Carlos Henggeler Antunes and João N Clímaco. Sensitivity Analysis in MCDM
using the weight space. Elsevier. Operations Research Letters. Volume 12,
issue 3, pages 187–196, 1992.
[36] Simon French and David Rios Insua. Partial Information and Sensitivity
Analysis in Multi-objective Decision Making. Improving Decision Making in
Organisations. Lecture Notes in Economics and Mathematical Systems.
Volume 335, pp 424-433. Springer Berlin Heidelberg, 1989.
[37] Gomez de Leon, F.C. Tecnologías del Mantenimiento Industrial. Servicio de
publicaciones de la Universidad de Murcia. Murcia, 1998.
[38] Asociación Española de Mantenimiento. El Mantenimiento en España. 2010

TFMMG

Cargado por

Copyright:

Formatos disponibles

TFMMG

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

TFMMG

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE MURCIA

Gestión Integrada del Mantenimiento y la Energía

D. Fernando Manuel Martínez García

Gestión Integrada del

D. Fernando Manuel Martínez García

En segundo lugar agradecer a mi familia su comprensión por el tiempo

Cariño, a ti y a mis tres soles, os quiero más que a nada en el mundo.

‘El éxito depende del esfuerzo’

Noviembre 2015 Página 1

Noviembre 2015 Página 2

Noviembre 2015 Página 4

Noviembre 2015 Página 5

Figura 1.1. Sistema de Gestión de Empresa Moderna

Figura 1.2. Vista de Takasago (TICSA)

Figura 2.1. Línea de producción en cadena en la fabrica Ford

Figura 2.2. Ingeniero Seiichi Nakajima, padre de la filosofía TPM

Figura 2.3. Resumen de la significación de las cinco eses de la filosofía “5S”

Figura 2.4. Representación de una vibración armónica

Figura 2.5. Representación de un agitador rígido con movimiento permitido

Figura 2.6. Representación de un pistón moviéndose por un cilindro y limitado con

Figura 2.8. Representación de una vibración libre no amortiguada

Figura 2.9. Representación de la vibración libre de un sistema críticamente

Figura 2.10. Descomposición/composición de una señal vibratoria en/a través de

Figura 2.11. Ejemplo de diagrama de Bode.

Figura 2.12. Representación de la descomposición de una señal temporal de

Figura 2.13. Representación de un sistema mecánico formado por una bomba

Noviembre 2015 Página 6

Figura 2.15. Ejemplo de mapa espectral

Figura 2.16. Ejemplo de obtención de un diagrama de evolución de armónicos a

Figura 2.17. Esquema Básico de un Sistema de Gestión de la Información

Figura 2.18. Estructura Básica de un ERP.

Figura 2.19. Cuota de Mercado ERPs

Figura 2.20. Pantalla de Control en SCADA

Figura 2.21. Esquema de Control de DCS

Figura 2.22. Pantallas HMI

Figura 2.23. Interacción Sistema MES

Figura 2.24. Niveles de Automatización segun ISA 95

Figura 2.25. Niveles ISA 95 vs Aplicación Informática

Figura 2.26. Cuadro de Mandos BI (Balance Scorecard)

Figura 3.1. Esquema Industria 4.0

Figura 3.2. Cronología de Las Revoluciones Industriales

Figura 3.3. Internet de las Cosas (IOT)

Figura 3.4. Sistemas Ciberfísicos

Figura 3.5. Imagen de las gafas inteligentes de SAP

Figura 3.6. Sistemas de Gestión de la Información Implantados en Takasago

Figura 3.7. Pantalla Control DCS

Figura 3.8. Pantalla Gestión Alarmas

Figura 3.9. Pantalla “Test de Fugas 401 y 402”

Noviembre 2015 Página 7

Figura 3.11. Pantalla MES Estados Equipos Auxiliares

Figura 3.12. Pantalla MES Estados Tanques Materia Prima

Figura 3.13. Pantalla Preactor APS

Figura 3.14. Infraestructura Monitorización

Figura 4.1. Estándar ISO 10816-1. Vibration general guidelines.

Figura 4.2. Ejemplo de código para la designación de un pdm.

Figura 4.3. Designación y localización de los pdm de un equipo motor-bomba.

Figura 4.4. Procedimiento de asignación de estados funcionales y efectos.

Figura 4.5. Tabla de asignación de grados paramétricos.

Figura 4.6. Designación y localización de los pdm de un equipo motor-bomba.

Figura 4.7. Cálculo del estado funcional de una unidad de vacío.