DETECCIÓN AUTOMÁTICA DEL DESGASTE DE RODAMIENTOS Alan Friedman DLI Engineering 253 Winslow Way W Bainbridge Island, WA 98110 TEL (206)-842-7556 – FAX (206) – 842 – 7667 [email protected] Publicado en los Procedimientos del Instituto de Vibraciones, E.U. en 2004

Extracto: el siguiente documento describe la metodología para la detección automática y diagnóstico del desgaste en rodamientos. Las técnicas involucradas han sido probadas durante 15 años de uso en una enorme variedad de ambientes, máquinas y tipos de aplicaciones. Las técnicas involucradas en el diagnóstico del desgaste de rodamientos será descrita a detalle y sustentada con una serie de ejemplos gráficos y algunas anotaciones de un reporte de diagnóstico. Palabras clave: desgaste de rodamiento, detección de falla en rodamiento de bola, fallas en pista interna, fallas en pista externa, demodulación, análisis de espectro y análisis de vibraciones. Introducción: El desgaste de los elementos rodantes en rodamientos crea una gran variedad de patrones de datos espectrales relacionados con los problemas de una máquina. Por lo que el sistema automático de diagnóstico permite un acercamiento a la la detección del desgaste en rodamientos, y debe ser capaz de interpretar una enorme cantidad de patrones de espectros y de diferenciar las causas de fallas en distintas máquinas o causas externas. Aunque el conocimiento de la geometría de los rodamientos, puede ser útil en calcular la frecuencia en que se presentan las fallas, un sistema de diagnóstico versátil debe ser capaz de detectar el desgaste de rodamientos sin requerir de esta información. En este sistema ambos requisitos han sido satisfechos. Sumario de técnicas: Los algoritmos automatizados para la detección del desgaste en rodamientos combinan un número de técnicas bien probadas para detectar y confirmar la presencia de los defectos en el rodamiento. Éstos incluyen: • • • • •

Normalización de datos Extracción automática de picos espectrales Análisis espectral Reglas lógicas para el desgaste de rodamientos Demodulación

Cada uno de esos conceptos será repasado y explicado en el siguiente documento con respecto a su contribución en la detección automática del desgaste en los elementos rodantes de rodamientos. Normalización de datos: Dado que los tonos de los rodamientos en el espectro son no sincrónicos, en otras palabras, no son múltiplos integrales de la velocidad de la flecha, lo primero en este negocio es determinar la velocidad de giro del motor y eliminar todos los picos que son sincrónicos. Esto se logra con una rutina de normalización automatizada. Si se conoce la velocidad actual del eje utilizando un tacómetro u otro mecanismo, el algoritmo simplemente utilizará este valor. Si la velocidad es desconocida, lo cual es típico en

variables de frecuencia, el algoritmo buscará un pico en la velocidad nominal del equipo más o menos un porcentaje de tolerancia establecido por el usuario. Hasta diez frecuencias forzadas establecidas por el usuario pueden ser utilizadas para la rutina de normalización. Las frecuencias forzadas ayudan a determinar el patrón del espectro esperado y los algoritmos pueden con éxito marcar el patrón, incluso si algunos picos faltaran incluyendo un fuerte pico perteneciente al rango del eje. Extracción automática de picos espectrales: Una vez que los datos han sido normalizados, 10 de las frecuencias forzadas establecidas por el usuario son extraídas de cada uno de los espectros. Después, los dos picos más grandes e indefinidos son extraídos de cada espectro. Estos probablemente son candidatos para tonos de rodamientos. Los datos pueden ser colectados en los tres ejes en dos rangos de frecuencia para cada punto de prueba, dándonos el número total de tonos potenciales de los rodamientos hasta 12 por punto de prueba. Cuando el analista se esfuerza por encontrar los tonos de rodamientos, se usa el mismo proceso. Conociendo los picos se definen y se excluyen los indefinidos, los picos no sincrónicos son considerados como candidatos para tono de rodamiento. Más allá de las 10 frecuencias forzadas definidas por el usuario, una serie de relacionados serán extraídos y descartados como posibles tonos de rodamiento como se describe a continuación. Esto quiere decir que hay un orden lógico para determinar la probable fuente de un pico y la conclusión es que un tono de rodamiento solo vendrá después de que todas las explicaciones lógicas hayan sido descartadas. Un ejemplo de esto es cuando el usuario determina la frecuencia de paso del motor, el sistema automáticamente extraerá dos líneas de banda de frecuencia alrededor del pico 2x y serán descalificadas luego como tonos de rodamiento. (Aunque no sean sincrónicos y no hayan sido específicamente definidos por el usuario). Este criterio se aplicaría al pico de frecuencia 2x en un motor de AC incluso si este no fuera definido. Si la máquina fuera definida como un motor diesel tal vez un pico a 120 Hz debería ser considerado como un tono de rodamiento, tonos como 2x no deberían aparecer en este tipo de máquinas. Notas al pie de página extracción de picos: si los tonos de rodamientos han sido manualmente identificados por los usuarios, estos tal vez incluyan las frecuencias forzadas definidas por los mismos. Conociendo las vibraciones externas u otros picos de espectros que pudieran confundirse con tonos de rodamientos pueden también ser definidos y excluidos del análisis de rodamientos incluyendo familias enteras de armónicos. La vibración externa constante se puede también incluir en los espectros de la línea de fondo y ser ignorada en este caso. Un ejemplo de esto podría ser la constante presencia de vibración en motores diesel de maquinaria marítima. Análisis de espectro: Cada candidato de tono de rodamiento ha sido definido, es importante determinar si el pico es parte de la familia de picos o no. Los tonos de rodamiento, especialmente en estado tardío de desgaste, puede tener armónicos y bandas laterales, ambas pueden ser consideradas como parte de la misma familia de picos y ellos podrían están relacionados al tono fundamental del rodamiento. Uno pudiera decir de forma general que la presencia de más armónicas y bandas laterales indicaría que hay una peor condición de los rodamientos. No solo deseamos conocer si este pico es parte de una larga familia, si no que también buscamos tener una idea de cuanta energía esta contenida en esta serie. El análisis de espectro es utilizado para automatizar esta tarea. El espectro es un espectro de energía de otro espectro de onda, y a pesar de cualquier periodicidad en el espectro, (así como uan serie de armónicas o familia de serie de bandas) aparecerá claramente como un pico en el espectro. Para una mejor explicación del espectro, digamos que si tenemos un motor moviendo un ventilador por medio de bandas, y el motor esta girando a 1800 RPM, este creara un pico a 1800 RPM en el espectro, y a lo largo del mismo generará armónicas (múltiplos) de este pico a 3600, 5400, 7200, RPM etc. El ventilador esta girando a 1000 RPM y la banda a 90 RPM. Ambos componentes crearan picos de sus frecuencias, además de sus armónicas. Ahora nosotros tenemos 3 familias de picos en nuestro espectro, uno relacionado con el motor, uno con el ventilador, y otro con la banda. Si nosotros hacemos un espectro de esta grafica,

tendremos solo 3 picos a 1800, 1000, y 90, así que el complejo espectro se reduce a sus familias fundamentales, y si hubiera un tono de rodamiento en este espectro a 9100 CPM junto con armónicas, aparecería un pico adicional a 9100. Un ejemplo del espectro puede ser visto en la figura 1 que se presenta a continuación. Adicionalmente, si nosotros tenemos las siguientes series de picos en nuestro espectro: 6.2x, 9.3x, 12.4x, 15.5x, 21.7x, y nosotros pudiéramos decir que esta es una serie de armónicas de 3.1x, aunque tal vez 3.1x no se presentaría en la lista, y tampoco 18.6X. Espectro también podría anunciar que la frecuencia fundamental en esta serie es 3.2x, por que este es el espacio entre cada uno de de esos picos, así que nosotros podemos buscar picos relacionados con rodamientos aún si el tono fundamental del mismo (3.1x en este caso) no este presente. Aunque el tono fundamental de los rodamientos puede ser calculado si se conoce la geometría, en realidad este tono fundamental podría no ser muy sobresaliente en el espectro, aún cuando este presente una falla. En efecto, el desgaste del rodamiento puede crear toda clase de patrones en los datos del espectro que podrían no estar relacionadas al cálculo de frecuencias. Al mismo tiempo hay una concordancia en el desgaste de todos los rodamientos y esta es la presencia de una serie de familias de picos no sincrónicos y bandas laterales. El análisis de espectro es utilizado para extraer periodicidades de los espectros y por lo tanto encontraremos tonos de rodamientos aún cuando la frecuencia fundamental del rodamiento no este presente. En esencia el espectro no solo hace innecesario conocer la geometría del rodamiento, si no que también hace más probable que la falla en un rodamiento sea correctamente diagnosticada cuando el patrón producido no esta especificado como un ejemplo del libro de fallas.

CdB 140 130 120 110

Bearing Tones

1X Harmonics

100 90 80 70 60 .006

.003

.002

.0015

Time, Seconds

(Figura 1: espectro de una máquina simple con un eje y con desgaste de rodamientos) Cálculo del origen del ruido: Ambos, impactos y ruido aleatorio en una onda de tiempo causan que el espectro se eleve (como en la figura 3, pico mayor). Como el desgaste de rodamientos típicamente producen grandes cantidades de vibración no periódica e impactos. Estos aumentarán la base del ruido. El sistema de diagnóstico usa un algoritmo para calcular el nivel de la base del ruido. Este valor se compara con un valor base si está disponible. Incrementos en el nivel de ruido de la base adicionado a la severidad de desgaste del

rodamiento diagnosticado y podría disparar un diagnóstico en ciertos casos cuando los tonos de los rodamientos no son evidentes. Otros factores que pudieran contribuir a incrementar la severidad son las armónicas y subarmónicas del eje. Ambos patrones son relacionados con la holgura mecánica, sin embargo, uno puede decir que como es un rodamiento desgastado, el eje podría estar flojo, y por consiguiente como el desgaste progresa, uno solo podrá atestiguar más y más holgura mecánica en los datos del espectro. Armónicas y subarmónicas pueden ser automáticamente extraídos de los datos del espectro y usados de esta manera. Los cálculos pudieran también ser mejorados en ese grupo de picos y usados en la base de reglas. Por ejemplo, la suma de los excedentes de las primeras diez armónicas de la cuota del eje serán usados en algunas reglas en lugar de las amplitudes individuales de cada armónica. Reglas lógicas del desgaste de rodamientos: Hay cientos de reglas individuales de desgaste de rodamientos en el sistema de diagnóstico. Esas reglas son activadas por un tipo de componente de la maquinaria que es definido por el usuario, por ejemplo, la regla para el desgaste de rodamientos en un compresor se vería diferente al de una regla de desgaste de un rodamiento de un motor de AC. Cada tipo individual de componentes de la maquinaria tiene numerosas reglas para el desgaste de rodamientos que serán aplicadas. Si los requerimientos para una regla son satisfechos, quiere decir que la condición existe. Después de que la información se extrae del espectro como se muestra a continuación, esta pasa a través de todas las reglas que aplican a un tipo de máquina general para ver si existe alguna falla. Las reglas están empíricamente basadas en miles de pruebas en máquinas recolectadas a través de más de 20 años y están constantemente refinadas según esta disponible nueva información. Si la regla es editada por cualquier razón, el cambio se corre por todos los datos históricos para asegurar que no cambiara ningún resultado previo. Este es ahora el sistema “learns” y esta es una de las razones por la cual es tan precisa hoy día. Una regla típica, observa lo siguiente en términos de lógica: 1. Si la suma de los excedentes sobrepasa la línea base de todos los tonos de rodamientos percibidos en los tres ejes y en todos los puntos de prueba (espectro confirmado) es mayor que un umbral, o la suma de las bases del ruido de todo el espectro han crecido sobre la línea base o alarma por cierta cantidad, entonces la regla pasa. 2. Si la suma de las amplitudes de todos los tonos de los rodamientos percibidos excede algunos umbrales, entonces la regla pasa. 3. Si ninguno los tonos percibidos de los rodamientos excede algunos de los umbrales, entonces la regla no pasa. 4. Si la suma de las armónicas del eje desde 16x a 100x no sobrepasa algunos de los niveles, adicionar a la severidad. 5. Si el nivel de la base del ruido es inferior a algunos niveles adicionar a la severidad, y si es un poco mayor al nivel, adicionar más a la severidad. 6. Si las sumas de los otros picos indefinidos que nosotros no confirmados por el espectro son inferiores a algunos de los umbrales, adicionar más a la severidad. 7. Si las subarmónicas del eje han excedido la línea base el rodamiento, adicionar a la severidad. Note que estas regalas son empíricamente basadas. Lo cual quiere decir que los niveles usados son absolutos, o los excedentes usados sobre la línea base, han sido pellizcados hasta que salieron con la respuesta correcta. En otras palabras, los umbrales mencionados en los ejemplos de la regla de arriba, han sido templados para salir con la respuesta correcta para cualquier máquina en la cual esta particular regla se aplique.

Adicionalmente hay suficientes plantillas de reglas para cada tipo de máquina para capturar prácticamente todos los posibles patrones de desgaste de rodamientos que pudieran existir en los datos. Una vez que la falla ha sido diagnosticada, el usuario continuará monitoreando la máquina y observando los cambios en la severidad de la falla. El rango, en el cual la severidad se incrementa da una buena indicación de cuando los rodamientos deben ser reacondicionados. Demodulación: Datos de altas frecuencias demoduladas son también usadas en el diagnóstico y confirmación del desgaste de rodamientos. El sistema de diagnóstico automático aproxima el uso de la demodulación a. • • •

Adicionando confianza al diagnóstico del desgaste de rodamientos basado en el análisis de espectros. Proporciona una alerta temprana del desgaste en el rodamiento. Da una mejor indicación de que rodamiento está defectuoso.

Actualmente el sistema automático de diagnóstico analiza datos demodulados independientemente de los datos del espectro, sin embargo, este hace la comparación entre los datos remodulados y del espectro y la información es presentada en un reporte común. Esto esta hecho a propósito para permitir a los usuarios colectar espectros o demodulaciones o ambos. La rutina de análisis de las demodulaciones utiliza la velocidad normalizada de la máquina adquirida del análisis espectral. Esto es debido al hecho que los datos demodulados podrían no contener picos que correspondan al rango del eje. Como en el análisis espectral, sabemos que las frecuencias forzadas son excluidas de los picos de extracción. Los tres picos mayores no sincrónicos son extraídos luego desde los datos de demodulación y son corridos por un algoritmo el cual determina como o si esos picos están relacionados a otros picos en el espectro de demodulación. Específicamente, los chequeos de algoritmos revisan los picos que tienen armónicos, la tarifa de bandas laterales del eje o las bandas laterales de la tarifa de la jaula. La tarifa de bandas laterales del eje son fáciles de buscar por como la tarifa del eje fue completamente determinado por la normalización. Para buscar las bandas laterales de la tarifa de la jaula, el algoritmo hace simplemente una conjetura y asume que cualquier banda lateral igualmente espaciada menos que 0.5x de cualquier lado de un pico de la demodulación serán probables bandas laterales de la tarifa de la jaula. El siguiente paso en el análisis de la demodulación es ver si el pico en el espectro de la demodulación esta relacionado de alguna manera al tono del rodamiento que es candidato para la extracción de picos del espectro, se buscan tres tipos de relaciones: •

El pico debe estar exactamente en la marca (ejemplo: 3.1X fue sitiado como un tono de rodamiento en los da tos del espectro y un pico a 3.1X también aparece en la demodulación).

•

El pico debe estar sitiado como una armónica (ejemplo: 3.1X aparece en la demodulación y 9.3X fue sitiado en los datos del espectro)

•

El pico debe tener una relación con las bandas laterales (ejemplo: 3.1X aparece en la demodulación y 4.1x fue sitiado en los datos del espectro).

Hay dos principales razones para ubicar una relación entre los datos demodulados y los datos del espectro. La primera razón es simplemente confirmación, quizás nosotros tenemos una serie de picos en el espectro a 3.1X y las armónicas que nosotros asumimos están relacionadas a un rodamiento. Si no hay tarifa de bandas

laterales del eje o de la jaula en el espectro de demodulación, existe la posibilidad que esta serie de picos venga actualmente de una vibración externa que viene desde otra fuente, y que pase a una vibración en una frecuencia de 3.1X. La presencia de este pico en la demodulación excluye la posibilidad de que la demodulación no será sensitiva a la vibración externa. La segunda razón es importante, ya que el sistema automático de diagnóstico está diseñado para herrar en el lado conservador. Esto es inusual por ejemplo, para ver claramente un tono de rodamiento de un motor y al mismo exactamente cruzando el cople en la bomba del lado de la máquina. Típicamente cuando analizamos datos de un espectro el análisis asumirá que la localización hasta donde las amplitudes son más altas, y este será en efecto la localización que tiene el problema. O, si el rodamiento es diferente de los modelos, el análisis debería considerar como coinciden las frecuencias calculadas de los rodamientos (nota: estos podrían sobreponerse sobre las gráficas por la confirmación manual). El sistema de diagnóstico automático en este caso, reportaría muy probablemente el problema en ambos lados de la máquina pero daría un alto rango de severidad del lado que aparece peor y luego dejará que una persona decida que lado actualmente tiene el problema. Los datos demodulados, ya que utilizan altas frecuencias, no son capaces de viajar a través de cople y por lo tanto es más sensible a la ubicación. Nosotros tenemos que experimentar varias veces hasta encontrara el tono del rodamiento que fue más grande en el lado del motor de la máquina en los datos del espectro, los datos demodulados coinciden con los tonos del lado de la bomba y esto fue de hecho del lado de la máquina con problema¡. Esto solo porque el análisis del espectro reportó ambos lados de la máquina en lugar de solo reportar el lado con valores altos. Nota: distinguiendo entre los rodamientos malos dentro de los componentes de la máquina (ejemplo: en medio de dos rodamientos de motores) es típicamente menos importante o menos frecuente que ambos sean reemplazados si uno es usado. Obviamente es más importante determinar si es un rodamiento de la bomba o tal vez un rodamiento del motor sin embargo este es un lugar donde la demodulación ha probado excepcionalmente su utilidad. Formato de reporte: El reporte de diagnóstico (Figura 2) contiene una variedad de útil información la cual será discutida en esta sección. Para facilitar la descripción, el contenido del reporte será descrito desde el fondo como aparece en la figura. En la parte superior el nombre de la máquina (A), seguida por la fecha en que los datos fueron adquiridos y la realización del reporte (B) y (C). Este es seguido por la velocidad actual del eje detectado por la rutina de normalización de datos. (D). En este caso, el eje del motor estaba corriendo a 1191 CPM, y como mencionamos antes, este es el primer cálculo hecho en los datos. Si la rutina de normalización falla o la velocidad de la máquina no fuera identificada correctamente, el resto del análisis será invalido. La velocidad de giro del eje es seguido por un “promedio:3” (E). Esto quiere decir que los nuevos datos van a ser comparados con un promedio + unan línea base sigma calculada de 3 pruebas prioritarias separadas de esta máquina o pruebas de máquinas idénticas que un analista juzgo serían representativas de una máquina en condiciones relativamente buenas. Un promedio de la línea base no es necesaria para la detección de desgaste, un algoritmo sería acertado pero este sería muy útil si nuevos datos de la línea base son presentados, los datos serían comparados con un umbral que podría ser definido por el usuario. La siguiente línea en el reporte menciona el máximo nivel detectado en todos los datos protegidos de esta máaquina (F) Esta información no es relevante para el diagnóstico. Una recomendación de reparación (G) le sigue. Esta recomendación es derivada de una regla base la cual toma una cuenta de las fallas individuales encontradas en la máquina y su correspondiente severidad. Aunque, el contexto de este papel es relegado a la rutina de detección en rodamientos, esto debería ser notado ya que cientos de otros problemas en máquinas pueden ser detectados por el sistema. Así si el desalineamiento, desbalanceo, problemas eléctricos y daños en rodamientos son todos reportados en un motor, la recomendación podría decir “Reacondicionamiento del motor” en vez de ordenar al usuario balanceo, alinear, cambio de rodamientos y revise bobinas.

Hay 4 niveles de prioridad en las recomendaciones cada uno relacionado a las diferentes acciones sugeridas. Estas son “no hay recomendaciones”, “moderadas”, “importantes” y “extremas”. Estos coinciden con 4 niveles de severidad de fallas (H) “ligero”, “moderado”, “serio” y “extremo”, así una falla “desgaste ligero de rodamientos” podría resultar en “no recomendaciones” y una falla “desgaste moderado de rodamiento” podría resultar en “deseable: continuar monitoreando rodamiento por incremento de vibración” más información relacionada con la seriedad para recomendar acciones de reparación pueden ser obtenidas de DLI. La evidencia de falla (I –M) es exhibida a continuación del diagnóstico de falla (H). Estos picos y parámetros son los que diagnosticó el sistema, han sido encontrados en los datos la causa de esta particular falla. Esto permite al analista verificar rápidamente el diagnóstico referido a las gráficas espectrales. Note que no es solo la presencia de ese pico lo que causa el diagnóstico citado, lo cual quiere decir que esto no es una materia de un simple sistema de alarma. Estos picos y otros son pasados por cientos de reglas lógicas que causan que lo citado sea “cierto”. Enseguida algunas definiciones (I) – (M) como los marcados en la siguiente figura 2: (I) Nivel espectral de los picos (J) Excedente en el promedio de los datos de línea base (la alarma limite de la línea base no esta presente) (K) Unidades (Nota: estas pueden ser cualquier unidad de ingeniería como in/s, mm/s, g´s, etc.) (L) Picos de frecuencia en orden (ejemplo múltiplos del rango del eje) (M) Localización área de medición y ejes. La localización del área de medición “2” es definida después en el reporte como el final en donde el motor esta acoplado a la máquina. “A” es el eje o la dirección del eje. Como se mencionó en la sección titulada: “cálculo del ruido base”, un incremento en el nivel del ruido base es una señal de impacto y vibración no periódica (aleatoria), ambos se asocian con el desgaste tardío de rodamientos. Evidencia del incremento en el nivel de ruido es mostrado en este reporte (N). Dentro de las reglas particulares que fueron activadas en este reporte, el incremento en la base del ruido adiciona severidad a esta falla. La siguiente sección del repote (O) contiene un análisis de los datos demodulados y su relación con los datos del espectro. El formato de esta parte del reporte es ligeramente diferente del reporte espectral el cual contiene más texto. En este ejemplo, la parte de la demodulacion del reporte nos dice que hay un pico en la demodulación a 9.33x que directamente marca un candidato para tono de rodamineto citado en los datos del espectro. 9.33x es actualmente la tercer armónica de 3.1x , el cual es fundamentalmente el tono del rodamiento, pero 9.33x fue bastante evidenciado para ser extraído también del espectro normal. Teniendo que 9.33x fue extraído, el reporte de demodulacion tendría que decir que había un pico a 9.33x que tenía una relación de armónica con los datos espectrales. De cualquier manera, esto habría conducido a la misma conclusión, que es que los datos de la demodulación soportan el diagnóstico basado en los datos espectrales.

Datos del Ejemplo (A) BOMBA DE FUEGO #2 (B) Reporte generado el : 8/19/03 11:07:22 AM (C) Adquirido: 8/19/03 10:35:38 AM (D) 1xM = 1191 RPM (E) Promedios: 3 (F) Nivel máximo: 0.222 (-7) in/s a 3xM sobre 3T en rango bajo RECOMENDACIONES: (G) OBLIGATORIO: CAMBIAR RODAMIENTOS DEL MOTOR DIAGNÓSTICO: (H) EXTREMO DESGASTE EN RODAMIENTO DE MOTOR (I) (J) (K) (L) (M) 0.056 (+0.042) in/s a 3.11xM sobre 2A en rango bajo 0.028 (+0.025) in/s a 6.2xM sobre 2A en rango bajo 0.039 (+0.030) in/s a 9.33xM sobre 2R en rango bajo 0.079 (+0.077) in/s a 9.33xM sobre 2T en rango bajo 0.001 (+0.000) in/s a 24.8xM sobre 2A en rango bajo 0.088 (+0.084) in/s a 3.11xM sobre 2R en rango bajo 0.022 (+0.021) in/s a 15.5xM sobre 2R en rango bajo 0.022 (+0.011) in/s a 12.5xM sobre 2R en rango bajo 0.039 (+0.036) in/s a 3.11xM sobre 2T en rango bajo 0.022 (+0.019) in/s a 12.5xM sobre 2T en rango bajo 0.011 (+0.010) in/s a 52.7xM sobre 2T en rango bajo 0.001 (+0.001) in/s ruido base (N) 0.002 (+0.001) in/s ruido base 0.001 (+0.001) in/s ruido base (O) DEMODULACIÓN DE RODAMIENTO DE BOLAS Tono de rodamiento en espectro remodulado con marca directa entre el espectro regular y el demodulado en 2R Pico 21 dB a 9.33x sobre 2R (P) LEYENDAS DE POSICIÓN: POSICION 2 ES: MOTOR 2 POSICIÓN 3 ES: BOMBA 3 (Figura 2: Reporte de diagnóstico de rodamiento) Datos espectrales del motor: En la siguiente figura 3, el eje X de la gráfica está etiquetado en “ordenadas” donde “1” corresponde a una vez del rango del motor. El eje vertical está en pulgadas sobre segundos.

(Figura 3: Datos espectrales del Motor – rango bajo) La primera cosa a notar cuando discutimos tonos de rodamientos es que frecuentemente aparecen en frecuencias entre 3 y 12 veces el rango del eje. Esta es la razón por la que estamos viendo en la gráfica de “rango bajo” con rangos de frecuencia de 0 a 10x del rango del eje en este ejemplo. Los datos colectados de 0 a 100x son también colectados y usados para este análisis. Los datos fueron colectados en los tres ejes en dos ubicaciones de la máquina. La segunda razón a notar es que los tonos de los rodamientos raramente se muestran como múltiplos integrados del rango del eje. Esto quiere decir que ellos podrían mostrar hasta 4.6x, 7.2x, 5.8x, etc., pero raramente se presentaran exactamente a 3x, 4x, o 5x. Por lo tanto, después de determinar el rango del eje (marcado “1x”) y sus múltiplos o armónicas (marcados 2x, 3x, 4x), nosotros buscaremos picos que no son múltiplos del rango del eje. Estos picos son nombrados “no sincrónicos”y tal vez sean tonos de rodamientos. Los picos marcados con flechas, hacia el lado de la mano izquierda de la gráfica es una frecuencia de 3.1x y es un buen candidato para tono de rodamiento. Los otros dos picos marcados con flechas son a 6.2x y 9.3x. estas son armónicas (múltiplos) de los tonos a 3.1x. Por favor note que estos son los picos citados en el reporte de la figura2. El pico marcado con la flecha hacia el lado izquierdo de la mano en la gráfica de 3.1x es un buen candidato para tono de rodamiento. Los otros dos picos marcados con flechas son 6.2x y 9.3x. estos son armónicas (múltiplos) de los tonos a 3.1x. Por favor note que estos son los picos citados en el reporte de la figura 2. Note ahora los picos marcados con flechas de bola. Estos picos están en 4.1x y 5.1x y son llamados “1X bandas laterales”, las cuales son comunes en rodamientos. Estos picos son causados por un efecto denominado “Modulación de amplitud”. Básicamente si uno tiene una falla en el la pista interna del rodamineto , esta falla rota dentro y fuera de la zona de carga, las bolas que golpeaban la avería la golpearan más difícilmente en la zona de carga y más suave fuera de la zona de carga. Para completar un ciclo de este incremento y decremento, el eje necesita cambiar 1 revolución, y este es el ciclo de tiempo que determina la

distancia entre las bandas laterales. Esto es porque son separados por una distancia de 1x en cualquier lado del tono a 3.1x. El sistema automático de diagnóstico extrae los picos no sincrónicos más altos de este espectro (3.1x y 9.3x). Luego el análisis del espectro fue usado para ver si también esas partes son de una serie de armónicas – cuales son. Demodulación: Los datos de demodulación fueron también colectados en esta máquina y son mostrados en la siguiente figura 4. Aquí nosotros también podemos ver un pico en 3.1x y sus armónicas. Aunque 3.1x es la frecuencia fundamental del tono de rodamiento, por alguna razón, 9.3x es el pico más alto en los datos de demodulación y fue por lo tanto extraído primero. En la sección “O” del reporte nosotros vimos este pico a 9.3x marcado por el sistema de diagnóstico. El reporte también menciona que había una marca directa entre la demodulacion y los datos del espectro. Esto quiere decir que el pico a 9.3x fue también encontrado en la rutina de espectro del rodamiento y que coincide con el pico encontrado en la demodulación. Así nosotros tendremos una futura confirmación de que este es de hecho un problema en el motor de la máquina. Note que los picos relacionados (1x, 2x, 3x etc.) son filtrados fuera del espectro demodulado y que solo permanecen los tonos del rodamiento. La demodulacion o técnica de envoltura es absolutamente buena filtrando el ruido externo de la máquina y enfocándose en los pequeños golpeteos hechos por la bolas que pasan por la pista que falla. Dado que la demodualción se discute a detalle en otra variedad artículos disponibles en DLI Engineering, nosotros dejaremos la discusión aquí.

(Figura 4: Datos demodulados del Motor) Sumario de ejemplos: En el diagnóstico de problemas de rodamientos en este motor, el sistema automático de diagnóstico primero comenzará por identificar el pico perteneciente al rango del eje y de sus armónicas utilizando una rutina de normalización de datos. Los resultados serán encontrados en el reporte (D). El sistema luego extraerá las frecuencias forzadas de las máquinas que fueron definidas y picos relacionados a estos por medio de una rutina de extracción de pico, seguida por los dos picos más altos no definidos de cada

espectro. Los siguientes dos picos más altos fueron encontrados a 3.1x y 9.3x, y estos picos fueron considerados como candidatos de tono de rodamientos. El cálculo del ruido base fue también hecho y almacenado en ese punto. El análisis de espectro fue actualizado para extraer familias de picos del espectro. Estas familias de picos luego son comparadas con el propósito de extraer los tonos del rodamiento del espectro para ver las marcas. En este ejemplo, fue determinado que los picos a 3.1x y 9.3x son parte de una larga familia de picos incluyendo armónicas y bandas laterales. Esto es evidente en la gráfica del espectro que esos picos son en efecto parte de una gran familia de picos (marcados con flechas). La rutina del espectro simplemente permite al sistema determinar esto automáticamente, agregando confianza a cualquier diagnóstico eventual de rodamientos. El algoritmo de la demodulación se corrió para comparar los espectros demodulados de los picos encontrados en el espectro no filtrado. La conclusión en este caso fue que había una directa correlación entre los datos demodulados y los datos del espectro, agregando confidencia a cualquier diagnóstico eventual del desgaste de rodamientos. La extracción de la información de los picos y la demodulación fueron enviados usando todas las reglas aplicables para este tipo de máquina. Si la máquina no tiene elementos rodantes por ejemplo rodamientos, las reglas para elementos rodantes no sería aplicada a esta máquina. Basado en la información enviada a esta regla base, una de muchas reglas para el desgaste de rodamientos “pasan” y así las fallas aparecerán en el reporte (H) con la correspondiente severidad (G) que fueron proporcionadas en base a las fallas que fueron diagnosticadas en la máquina. Conclusión: Los algoritmos descritos en este documento han sido comercializados durante 15 años con grandes resultados. En minutos, el sistema de diagnóstico de desgaste de rodamientos puede realizar cientos de miles de pruebas que a un analista le tomarían muchos días repasándolos manualmente. El hecho de que el sistema no confíe en el rodamiento o en el modelo, hace que ambos sean fáciles de configurar y más exactos en su diagnóstico. Si usted desea aprender más acerca de este sistema automático de diagnóstico, puede obtener información adicional en: www.DLIengineering.com . Acerca del autor: Durante 12 años en DLI Engineering, Alan Friedman ha trabajado en el desarrollo de software, desarrollo de sistemas expertos, análisis de datos, entrenamiento, e implantación de programas de mantenimiento predictivo. Él es graduado de Tufts University con un B.S. en ingeniería mecánica.