El proceso de mantenimiento de aerogeneradores que estamos utilizando en nuestros parques eólicos es un buen ejemplo de un sistema innovador basado en la digitalización. Se trata de un sistema de análisis predictivo basado en el estudio de las vibraciones de los equipos que permite detectar fallos hasta con meses de antelación. Gracias a este modelo es posible planificar las reparaciones y evitar las indisponibilidades de las máquinas, mejorando así la eficiencia y reduciendo costes.

¿Cómo funciona este sistema de detección de fallos? Hace apenas unos años, la supervisión de aerogeneradores dependía de campañas de endoscopias e inspecciones visuales que suponían un coste muy elevado. El nuevo sistema, que ya hemos incorporado en 1.400 equipos, se basa en el machine learning, es decir, en el aprendizaje de los sistemas sobre el comportamiento de las máquinas, que permite detectar y activar alarmas cuando ese comportamiento se sale de lo habitual.

Por otro lado, gracias al Internet of things (IoT) es posible transmitir información desde dispositivos de datos ubicados en los aerogeneradores hasta servidores alojados en la nube. El último elemento que compone el sistema es la generación sistemática del conocimiento a partir de la experiencia de los analistas.

Análisis predictivo para detectar los problemas a tiempo

Uno de los responsables de este proyecto, Miguel Colomo, Predictive Maintenance y Technical Support de Enel Green Power, destaca que la principal ventaja de este modelo es el conocimiento continuo de la condición de los equipos, que permite gestionar el momento óptimo para las reparaciones y realizarlas en épocas de bajo viento. “En el mejor de los casos detectamos un síntoma que típicamente causa daño en la máquina e intervenimos antes de que sea siquiera necesario reparar. En ocasiones, el tipo de fallo solo es detectable cuando ya existe daño, pero al ser este incipiente puede hacerse una pequeña reparación que evita que se extienda el problema, lo cual reduce en gran medida el coste de la reparación. Por último, incluso en el caso de aquellos fallos que solo pueden detectarse cuando están relativamente avanzados, podemos seguir la evolución y extender su vida lo máximo posible sin que se produzca una parada forzosa antes”, explica Colomo.