El diagnóstico de vibraciones se basa en la medición y análisis de las oscilaciones que se producen en componentes mecánicos o estructuras durante su operación. Estas vibraciones son manifestaciones físicas de movimientos oscilatorios alrededor de un punto de equilibrio y pueden ser provocadas por múltiples causas como desalineación, desbalanceo, holguras, ejes doblados, fricción, contacto por rodadura o defectos en rodamientos [3][4]. La técnica aprovecha sensores especializados para captar estas señales que posteriormente se procesan para identificar patrones indicativos de fallas incipientes.
La principal utilidad del análisis vibracional reside en su capacidad para anticipar averías antes de que ocurran fallas catastróficas o tiempos de inactividad no planificados. Esta monitorización predictiva permite optimizar el mantenimiento industrial al ofrecer datos objetivos sobre el estado real del equipo y posibilitar intervenciones basadas en condiciones reales y no solo en calendarios fijos. En consecuencia, reduce costos operativos y mejora la eficiencia global de los procesos productivos [4].
Las vibraciones se caracterizan fundamentalmente por tres parámetros: amplitud, frecuencia y fase. La frecuencia se define como el número de ciclos por segundo (Hertz), mientras que la amplitud mide el desplazamiento máximo respecto a la posición neutra. La fase indica el desfase temporal entre diferentes señales vibratorias. Estos tres factores son esenciales para determinar la naturaleza del movimiento y diagnosticar problemas específicos [3]. La amplitud puede cuantificarse en niveles pico-pico, pico y RMS (Raíz media cuadrática), siendo este último de gran importancia por estar relacionado con el nivel de energía y la capacidad de destrucción de las vibraciones [3].
Instrumentalmente, los principales sensores empleados son acelerómetros piezoeléctricos que miden aceleración en tres direcciones; sensores de velocidad que capturan velocidades vibratorias con respuesta media en frecuencia; y sensores de desplazamiento enfocados en bajas frecuencias para detectar desequilibrios estructurales. La elección depende del rango esperado de vibración y del tipo particular de falla a identificar [4].
Una forma común de representar estas señales es a través de la forma de onda en el dominio del tiempo, amplitud versus tiempo, y su transformación al dominio de la frecuencia mediante algoritmos como la Transformada Rápida de Fourier (FFT). Esta última descompone las señales complejas en sus componentes frecuenciales básicas, facilitando la identificación precisa de frecuencias anómalas asociadas a defectos específicos [3].
En materiales homogéneos con formas definidas como barras rectangulares, es posible estimar propiedades mecánicas fundamentales como el módulo de Young (E) y el módulo de cizallamiento (G) a partir del análisis vibracional, mediante métodos no destructivos. Para una barra con masa \(m\), longitud \(L\), ancho \(b\), altura \(t\), frecuencia fundamental flexional \(f_f\) y coeficiente de Poisson \(\mu\), esta propiedad se calcula mediante:
\[ E = 0,9465 \left(\frac{m f_f^2}{b}\right)\left(\frac{L^3}{t^3}\right) T_1 \]
donde el factor corrector \(T_1\) ajusta las condiciones reales respecto al modo fundamental flexional según:
\[ T_1 = 1 + 6,585(1 + 0,0752 \mu + 0,8109 \mu^2)\left(\frac{t}{L}\right)^2 - 0,868 \left(\frac{t}{L}\right)^4 - \left(\frac{8,340(1 + 0,2023 \mu + 2,173 \mu^2)\left(\frac{t}{L}\right)^4}{1,000 + 6,338(1 + 0,1408 \mu + 1,536 \mu^2)\left(\frac{t}{L}\right)^2}\right) \]
Además del módulo longitudinal, el módulo de cizallamiento \(G\) puede determinarse con base en la frecuencia fundamental torsional \(f_t\), usando:
\[ G = \frac{4 m f_t^2}{b t} R \]
donde \(R\) es un factor que depende de la relación entre el ancho y la altura de la muestra [1]. Estos cálculos permiten evaluar propiedades mecánicas sin dañar las muestras mediante métodos dinámicos no destructivos.
El análisis vibracional es especialmente valioso para detectar fallas incipientes en rodamientos. La geometría específica de los elementos rodantes genera frecuencias características conocidas como BPFI (frecuencia de paso por pista interna), BPFO (frecuencia de paso por pista externa), BSF (frecuencia de giro del elemento rodante) y FTF (frecuencia fundamental de la jaula). La identificación temprana mediante estas frecuencias facilita intervenciones preventivas antes que un daño irreversible cause paradas prolongadas o accidentes industriales [1].
Para obtener estas frecuencias características es necesario conocer dimensiones precisas del rodamiento junto con velocidades rotacionales; dichas frecuencias aparecen claramente diferenciadas dentro del espectro vibracional analizado por FFT.
El éxito en diagnóstico depende tanto del correcto muestreo como del procesamiento e interpretación adecuada. Los sistemas modernos integran tecnología avanzada para capturar datos en tiempo real desde dispositivos portátiles conectados a plataformas digitales que permiten análisis remotos instantáneos. Por ejemplo, plataformas como Tractian ofrecen alertas automáticas basadas en niveles predeterminados para modos comunes como desalineación, desbalance, holguras mecánicas, desgaste en engranajes y rodamientos [3].
Los umbrales configurables pueden ser absolutos, niveles máximos permitidos, o basados en tendencias estadísticas que consideran variaciones históricas específicas al activo monitorizado. Esto permite anticipar deterioros progresivos antes que alcancen niveles críticos.
Sectores variados aplican análisis vibracional para mejorar fiabilidad: manufactura supervisa motores eléctricos, cajas de cambios, transportadores y máquinas herramienta; automoción optimiza diseño funcional basado en respuesta dinámica; aeroespacial previene fatigas estructurales derivadas de resonancias indeseadas; energía vigila turbinas detectando desequilibrios de palas, fallos en la caja de cambios o defectos en los cojinetes [4].
Cada aplicación exige selección cuidadosa tanto del tipo sensor como del método analítico empleado para maximizar sensibilidad frente a las posibles fuentes vibratorias presentes.
---
El diagnóstico por vibraciones representa una herramienta clave dentro del mantenimiento predictivo moderno debido a su precisión no invasiva para detectar fallas mecánicas tempranas. Su capacidad para correlacionar parámetros físicos medibles con propiedades materiales o estados funcionales hace posible anticipar problemas operativos críticos sin interrumpir procesos productivos ni dañar equipos. El uso combinado con tecnologías digitales emergentes incrementa su valor práctico al facilitar monitoreo continuo y decisiones informadas basadas en datos reales obtenidos directamente desde los activos industriales.
[1] https://es.wikipedia.org/wiki/An%C3%A1lisis_de_vibraciones
[2] https://www.icareweb.com/es/recursos/mantenimiento-predictivo/que-...
[3] https://tractian.com/es/blog/analisis-de-vibraciones-e-interpretac...
[4] https://www.ibm.com/es-es/think/topics/vibration-analysis
[5] https://www.grupoalava.com/preditec/servicios/mantenimiento-predic...
Generando resumen…