IA con Imagen Térmica para Detectar Fallos en Rodamientos Antes de una Avería Catastrófica

Un centro de distribución en Ohio tuvo un rodamiento de transportador que se bloqueó a las 2 AM un martes. El atasco resultante dobló 12 metros de estructura de la cinta, destruyó el alojamiento del rodamiento y detuvo la línea durante 19 horas. Daño total: $73,000 más dos días de envíos perdidos. Una cámara térmica montada a 3,6 metros de ese rodamiento había estado registrando datos durante meses, pero nadie estaba revisando las grabaciones. La temperatura de la pista exterior del rodamiento había estado subiendo 0,4 grados Celsius por día durante los 11 días anteriores.

Esa deriva térmica lenta y constante es exactamente el tipo de señal que los sistemas de monitoreo térmico con IA están diseñados para detectar.

Cómo Funciona la Imagen Térmica para el Monitoreo de Rodamientos

Las cámaras térmicas industriales utilizadas para el monitoreo de rodamientos generalmente operan en el espectro infrarrojo de onda larga (8 a 14 micrómetros), con una sensibilidad térmica de 0,05 grados C o mejor. Capturan mapas de temperatura con resoluciones de 320x240 a 640x480 píxeles, normalmente a tasas de cuadros entre 9 y 30 Hz.

Para el monitoreo de rodamientos, la cámara se posiciona para capturar el alojamiento del rodamiento, el eje cerca del rodamiento e idealmente una superficie de referencia a temperatura ambiente. El modelo de IA no solo observa la temperatura absoluta. Rastrea el gradiente térmico a través del rodamiento, la tasa de cambio de temperatura a lo largo del tiempo y la relación entre la temperatura del rodamiento y las condiciones operativas de la máquina como velocidad, carga y temperatura ambiente.

Un rodamiento en buen estado funcionando en régimen estable mostrará un perfil térmico estable con una distribución de calor predecible. Un rodamiento con daño incipiente en la pista interior mostrará puntos calientes localizados que cambian de posición a medida que el eje gira. La degradación de la lubricación se manifiesta como un aumento general de temperatura que se correlaciona con el tiempo de funcionamiento en lugar de la carga.

Lo Que la Imagen Térmica Detecta y la Vibración No

El análisis de vibraciones es excelente para detectar defectos mecánicos: picaduras, descamación, daño en la jaula. Pero la imagen térmica detecta una clase diferente de problemas. Los problemas de lubricación son el principal. Un rodamiento funcionando con grasa degradada o película de aceite insuficiente genera calor por fricción antes de generar vibraciones detectables. Estudios de NSK muestran que las anomalías térmicas por fallo de lubricación pueden preceder a las anomalías de vibración entre 5 y 10 días.

La desalineación es otra área donde la imagen térmica destaca. Un rodamiento que absorbe cargas axiales anormales debido a la desalineación del eje funciona más caliente en un lado, creando una asimetría térmica visible en IR pero que puede no producir una firma de vibración clara hasta que el daño esté más avanzado.

El daño eléctrico en rodamientos (corrientes de eje en motores accionados por VFD) también muestra firmas térmicas antes de que cambien las vibraciones. El efecto de mecanizado por descarga eléctrica crea picaduras microscópicas que aumentan la fricción y la temperatura gradualmente, mientras que la firma de vibración del daño por EDM a menudo queda enmascarada por la vibración normal de operación hasta que las picaduras son severas.

El Pipeline de Procesamiento con IA

Las imágenes térmicas sin procesar necesitan un procesamiento significativo antes de ser útiles para análisis predictivo. El pipeline de IA típicamente comienza con la detección de regiones de interés (ROI), donde el sistema identifica y rastrea automáticamente cada rodamiento en el campo de visión de la cámara. Esto importa porque las cámaras se desplazan, la vibración mueve los soportes de montaje y las actividades de mantenimiento bloquean temporalmente la vista.

Una vez establecidas las ROI, el sistema extrae características: temperatura máxima, temperatura media, varianza de temperatura dentro de la ROI, magnitud y dirección del gradiente térmico, y métricas de tasa de cambio en múltiples escalas temporales. Estas características alimentan un modelo de clasificación (generalmente árboles con gradient boosting o una red neuronal superficial) que asigna una puntuación de salud.

Los sistemas más sofisticados correlacionan los datos térmicos con datos operativos del PLC o sistema SCADA. Un rodamiento que está 15 grados por encima de la temperatura ambiente mientras funciona a velocidad y carga máximas podría estar bien. El mismo rodamiento a 15 grados por encima de la temperatura ambiente a media velocidad y sin carga probablemente tiene un problema. El contexto importa, y la IA necesita acceso a ese contexto.

Consideraciones Prácticas de Implementación

La ubicación de la cámara es crítica y a menudo más limitada que la colocación de sensores para monitoreo de vibraciones. Las cámaras térmicas necesitan una línea de visión directa al alojamiento del rodamiento, lo cual no siempre está disponible en máquinas con cubiertas, protecciones u otras obstrucciones. Las superficies reflectantes (ejes de acero pulido, por ejemplo) pueden causar lecturas engañosas porque la emisividad varía con el acabado superficial.

Los factores ambientales complican aún más las cosas. Las variaciones de temperatura ambiente, fuentes de calor cercanas (motores, hornos, líneas de vapor) y el flujo de aire de ventiladores o sistemas HVAC afectan la línea base térmica. Un buen sistema de IA para manufactura tiene en cuenta estas variables, pero el período de calibración inicial típicamente toma de 2 a 4 semanas por instalación de cámara.

El costo ha bajado significativamente. Hace cinco años, una sola cámara térmica industrial de montaje fijo costaba entre $8,000 y $15,000. Las opciones actuales de FLIR, Optris y varios fabricantes chinos comienzan alrededor de $2,500 para una cámara de 320x240 con sensibilidad adecuada para monitoreo de rodamientos. Un sistema para toda la planta con 20 cámaras, hardware de computación en el borde y licencias de software cuesta entre $80,000 y $150,000, dependiendo de la complejidad de la integración.

Combinando Datos Térmicos y de Vibración

Los mejores resultados provienen de fusionar ambos tipos de datos. Un estudio de 2024 del Instituto Fraunhofer encontró que los modelos combinados térmico-vibración alcanzaron un 94% de precisión en la predicción de fallos de rodamientos dentro de una ventana de 7 días, comparado con el 81% solo con vibración y el 76% solo con imagen térmica. Las dos modalidades detectan diferentes modos de fallo y diferentes etapas del mismo modo de fallo, por lo que combinarlas reduce los puntos ciegos.

En la práctica, esta fusión generalmente ocurre a nivel de características en lugar de a nivel de datos sin procesar. Las características térmicas y las características de vibración se concatenan y alimentan un solo modelo, o dos modelos especializados producen puntuaciones de salud independientes que una capa de fusión combina.

Los equipos de mantenimiento que obtienen más valor de estos sistemas son los que integran las inspecciones térmicas en sus procedimientos operativos estándar, no como un reemplazo del monitoreo de vibraciones, sino como una capa complementaria que llena los vacíos.