El vibroanálisis es una técnica esencial dentro del mantenimiento predictivo que permite detectar fallas potenciales en maquinaria mediante la medición y análisis de las vibraciones emitidas por sus componentes. La capacidad principal radica en recopilar datos de vibración, medir su frecuencia y amplitud, y compararlos con patrones conocidos para identificar anomalías antes de que provoquen paradas inesperadas o daños mayores[2][3].
Los equipos rotativos generan vibraciones propias debido al movimiento de piezas como rodamientos, ejes, engranajes y rotores. Un desequilibrio o desalineación en estos componentes puede llevar a vibraciones, lo que se refleja en cambios en la amplitud y frecuencia detectados por el vibroanálisis[3]. Por ejemplo, un rotor ligeramente doblado en un motor podría hacer que exista vibración al girar.
Las señales vibratorias se capturan con acelerómetros u otros transductores que convierten vibraciones mecánicas en señales eléctricas analógicas. Posteriormente, estas señales son digitalizadas mediante convertidores A/D para ser procesadas[5]. La forma más común de visualizar estas señales es:
- Dominio del tiempo: muestra la amplitud de la vibración frente al tiempo, permitiendo observar eventos periódicos o transitorios.
- Dominio de la frecuencia: se obtiene aplicando transformadas rápidas de Fourier (FFT), lo que permite descomponer la señal compleja en frecuencias individuales y sus respectivas amplitudes[3][5].
En el dominio del tiempo, el período \(P\) representa la duración que emplea una masa en desplazarse hasta el punto A y regresar al mismo punto, medido típicamente en segundos o milisegundos. La frecuencia \(F\), expresada comúnmente en Hertz (Hz) o ciclos por minuto (CPM), corresponde al valor inverso del período según la relación
\[
F = \frac{1}{P}
\]
Esta relación es fundamental para conectar las vibraciones medidas con las velocidades operativas del equipo[3].
Para caracterizar la intensidad vibratoria se utilizan varias medidas de amplitud:
- Amplitud pico \(A\).
- Amplitud pico-pico (que considera el desplazamiento simétrico entre \(+A\) y \(-A\)).
- Valor RMS (root mean square), que representa la raíz cuadrada del promedio de los cuadrados de los valores de la onda; para ondas sinusoidales es aproximadamente \(0.707 \times A\)[3].
Estas métricas ayudan a cuantificar no solo qué tan fuerte vibra una máquina, sino también a evaluar el impacto energético asociado a esas vibraciones.
El vibroanálisis puede realizarse mediante dispositivos portátiles o sistemas instalados permanentemente. Los primeros permiten realizar mediciones puntuales siguiendo rutas predefinidas; son económicos y facilitan inspecciones visuales simultáneas. Los sensores fijos ofrecen monitoreo continuo indispensable para equipos críticos como compresores o turbinas donde una falla súbita puede tener consecuencias graves[2].
Los sistemas fijos suelen emplear conexiones por cable o inalámbricas integradas con plataformas IoT para alertas tempranas y análisis remoto constante. En contraste, los dispositivos portátiles requieren intervención humana directa pero pueden cubrir múltiples puntos con un solo sensor mediante imanes potentes o conexiones temporales[2].
El análisis tradicional basado únicamente en amplitud y frecuencia identifica frecuencias dominantes asociadas a componentes específicos como rodamientos o engranajes dañados. Sin embargo, ciertas fallas presentan espectros similares dificultando su diferenciación—por ejemplo, desbalance y desalineación angular pueden manifestarse ambas con picos dominantes en \(1\times\) frecuencia de rotación[4].
El análisis de fase añade una dimensión crítica al diagnóstico al medir el desfase angular entre señales vibratorias respecto a una referencia fija (normalmente una marca reflectante en el eje que genera un pulso en el tacómetro al completar cada revolución). Esta fase se mide en grados desde 0 hasta 360[4]. Su interpretación requiere comparar fases entre diferentes puntos del activo o antes/después de intervenciones.
Para diagnosticar desbalance puro se observa que:
- La fase medida en direcciones vertical y horizontal difiere menos de 30 grados.
- La diferencia entre puntos opuestos del eje también es mínima.
Si estas diferencias superan los rangos indicados (más allá de 30–40 grados), indican otros modos como desalineación o flexibilidad estructural[4].
La desalineación angular se caracteriza por una diferencia aproximada a 180 grados entre fases medidas axialmente en extremos opuestos del acoplamiento; esto implica movimientos opuestos sincronizados con la rotación del eje[4]. En cambio, la desalineación paralela muestra dominancia espectral a \(2\times\) frecuencia rotacional con diferencias similares cercanas a los 180 grados pero medidas radialmente.
El uso combinado del espectro clásico junto con análisis de fase permite identificar firmas únicas para cada modo patológico evitando intervenciones incorrectas costosas e ineficientes[4].
Los fallos mecánicos básicos suelen detectarse en rangos bajos de frecuencia entre 10 Hz y 1000 Hz, donde aparecen desequilibrios, desalineaciones y holguras mecánicas visibles como líneas prominentes o armónicos dentro del espectro[5]. Por ejemplo:
- Una única línea fuerte a la velocidad nominal indica desequilibrio.
- Presencia simultánea de armónicos sugiere holgura o desalineación.
El análisis específico para rodamientos opera típicamente entre 500 Hz y 16 kHz, pues las vibraciones causadas por impactos internos generan altos picos energéticos dentro de ese rango superior[5]. El parámetro más utilizado es la aceleración medida en unidades "g", cuyo aumento progresivo denota deterioro creciente.
El método depende críticamente de recopilar datos bajo condiciones operativas normales o estables; es importante que los datos se recopilen dentro de la velocidad normal de funcionamiento del equipo, aunque no es crítico que las RPM sean idénticas en cada recolección (por ejemplo, entre \(1100 \text{ RPM}\) y \(1600 \text{ RPM}\))[2]. Cambios bruscos fuera del rango pueden inducir errores interpretativos sobre el estado real.
La FFT utilizada tiene limitaciones inherentes: requiere señales periódicas para un cálculo preciso. Componentes no periódicos inducen fenómenos conocidos como fuga espectral donde energía se distribuye erróneamente sobre múltiples líneas cercanas produciendo ruido interpretativo; mitigado mediante ventanas matemáticas aplicadas artificialmente sobre los datos digitales[5].
Además, el diagnóstico basado exclusivamente en espectros frecuenciales puede confundirse ante modos patológicos generadores de firmas similares, razón por la cual el análisis complementario basado en fase resulta imprescindible especialmente cuando las decisiones afectan directamente costos operacionales elevados[4].
Las técnicas modernas de vibroanálisis combinan hardware portátil avanzado con software capaz no solo de captar amplitudes sino también diferencias angulares relativas entre puntos específicos, incrementando sustancialmente la precisión diagnóstica. El monitoreo continuo usando sensores fijos integrados a plataformas IoT amplía aún más las capacidades preventivas.
Comprender profundamente las características temporales y frecuenciales junto con el análisis espacial-fásico proporciona un enfoque integral robusto que mejora notablemente el mantenimiento predictivo industrial.
[1] https://cl.linkedin.com/in/eduardosilvamedinachile/en
[2] https://upkeep.com/es/learning/vibration-analysis/
[3] https://www.fracttal.com/es/mantenipedia/que-es-el-analisis-de-vib...
[4] https://tractian.com/es/blog/analisis-de-fase-en-vibraciones-mecan...
[5] https://adash.com/support/tutorial-videos/analisis-de-vibraciones-...
Generando resumen…