Técnicas de diagnóstico para el mantenimiento predictivo de sistemas rotativos industriales: una revisión sistemática y su aplicabilidad en la industria ecuatoriana

Contenido principal del artículo

Katherine Andrea Diaz Reyes
César Ricardo Jaime Soledispa
Ivan Bonifacio Acosta Valladolid

Resumen

Los sistemas rotativos industriales como motores eléctricos, bombas, compresores y ventiladores, son componentes primordiales en los procesos productivos. La aparición de fallas en estos equipos causa pérdidas significativas, tanto en el aspecto económico como en la parte operativa, incluyendo la reducción de la productividad industrial. En consecuencia, de esto ha surgido una estrategia eficaz para poder anticipar las fallas y optimizar la gestión, el mantenimiento predictivo tiene la finalidad de dar monitoreo continuo a las condiciones operativas. El presente estudio tiene como objetivo analizar técnicas de diagnóstico que son utilizadas para el mantenimiento predictivo en sistemas rotativos industriales. El enfoque se basa en el análisis vibracional, la alineación láser y el monitoreo de rodamientos. Para este desarrollo se realizó una verificación bibliográfica de publicaciones científicas relacionadas a estas tecnologías. Los resultados dan como evidencia que el análisis de vibraciones es la técnica más utilizada para la detección de desbalances, defectos mecánicos y desalineaciones. Asimismo, la alineación láser mejor a la eficiencia operativa, prolongando la vida útil de los componentes rotativos y el Monitoreo. Agar rodamientos apoya significativamente a la disminución de fallas críticas. Con esto finalmente se logra identificar oportunidades y desafíos para la implementación de estas tecnologías en la industria ecuatoriana.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Diaz Reyes, K. A., Jaime Soledispa, C. R., & Acosta Valladolid , I. B. (2026). Técnicas de diagnóstico para el mantenimiento predictivo de sistemas rotativos industriales: una revisión sistemática y su aplicabilidad en la industria ecuatoriana. Boletín Científico Ideas Y Voces, 6(3), Pág. 169–186. https://doi.org/10.60100/bciv.v6i3.336
Sección
Artículos

Citas

Al-Khazali, H. A. H., & Askari, M. R. (2012). Defect diagnosis in rotors systems by vibrations data collectors using trending software. arXiv. https://arxiv.org/abs/1208.3122

Bloch, H. P., & Geitner, F. K. (2012). Machinery failure analysis and troubleshooting (4th ed.). Gulf Professional Publishing. https://www.sciencedirect.com/book/monograph/9780123860453/machinery-failure-analysis-and-troubleshooting#authors

Chartered Institution of Building Services Engineers (CIBSE). (2023). Guide M: Maintenance Engineering and Management (3rd ed.). CIBSE. https://www.cibse.org/guidem

Girdhar, P., & Scheffer, C. (2004). Practical machinery vibration analysis and predictive maintenance. Newnes. https://books.google.com.ec/books?hl=es&lr=&id=tAvTO1t2mwkC&oi=fnd&pg=PP1&dq=Girdhar,+P.,+%26+Scheffer,+C.+(2004).+Practical+machinery+vibration+analysis+and+predictive+maintenance.+Newnes.&ots=aExLUX_Otj&sig=9A1qeEzE4In-YvQu95_QaG3FDkc&redir_esc=y#v=onepage&q=Girdhar%2C%20P.%2C%20%26%20Scheffer%2C%20C.%20(2004).%20Practical%20machinery%20vibration%20analysis%20and%20predictive%20maintenance.%20Newnes.&f=false

Gupta, R., & Kumar, A. (2022). Time domain vibration analysis techniques for condition monitoring of rolling element bearing: A review. Materials Today: Proceedings, 62, 6336–6340. https://doi.org/10.1016/j.matpr.2022.02.550

Harris, T. A., & Kotzalas, M. N. (2006). Rolling bearing analysis (5th ed.). CRC Press.

Kannan, V., Zhang, T., & Li, H. (2024). A review of the intelligent condition monitoring of rolling element bearings. Machines, 12(7), 484. https://doi.org/10.3390/machines12070484

Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann. https://books.google.com.ec/books?hl=es&lr=&id=SjqXzxpAzSQC&oi=fnd&pg=PP1&dq=Mobley,+R.+K.+(2002).+An+introduction+to+predictive+maintenance+(2nd+ed.).+Butterworth-Heinemann.&ots=iHwOJICo9e&sig=yJI41UiP94_u6YaQNLFqh8KILLk&redir_esc=y#v=onepage&q&f=false

Mobley, R. K. (2011). Maintenance Fundamentals (2nd ed.). Elsevier. https://books.google.com.ec/books?hl=es&lr=&id=uAt-Bbn8oN8C&oi=fnd&pg=PP1&dq=Mobley,+R.+K.+(2011).+Maintenance+Fundamentals+(2nd+ed.).+Elsevier.&ots=9SBK1FYUSB&sig=pfySLGYbkWgXmAbgPY7rjkGhsRA&redir_esc=y#v=onepage&q&f=false

Nunes, P., Santos, J., & Rocha, E. (2023). Challenges in Predictive Maintenance – A Review. CIRP Journal of Manufacturing Science and Technology, 40, 53–67. https://doi.org/10.1016/j.cirpj.2022.11.004

Piotrowski, J. (2007). Shaft alignment handbook (3rd ed.). CRC Press.

Randall, R. B., & Antoni, J. (2011). Rolling element bearing diagnostics—A tutorial. Mechanical Systems and Signal Processing, 25(2), 485-520. https://doi.org/10.1016/j.ymssp.2010.07.017

Romanssini, M., de Aguirre, P. C. C., Compassi-Severo, L., & Girardi, A. G. (2023). A review on vibration monitoring techniques for predictive maintenance of rotating machinery. Eng, 4(3), 1797–1817. https://doi.org/10.3390/eng4030102

SKF. (2026). Información técnica industrial. SKF Group. Recuperado de https://www.skf.com

Tandon, N., & Choudhury, A. (1999). A review of vibration and acoustic measurement methods for the detection of defects in rolling element bearings. Tribology International, 32(8), 469-480. https://doi.org/10.1016/S0301-679X(99)00077-8

Tiboni, M., Remino, C., Bussola, R., & Amici, C. (2022). A review on vibration-based condition monitoring of rotating machinery. Applied Sciences, 12(3), 972. https://doi.org/10.3390/app12030972