El reto
Industrias Atlánticas opera una planta de fabricación en el Polígono Industrial de Granadilla de Abona, en el sur de Tenerife. Buena parte de su parque de maquinaria data de los años 90.
Esas máquinas carecen de salidas digitales o interfaces de comunicación modernas. Son robustas y fiables, pero “mudas”.
El problema eran las averías inesperadas. Cuando una máquina fallaba, la línea se detenía entre 4 y 12 horas. Cada parada arrastraba costes en tres frentes:
- Horas de personal paradas
- Piezas dañadas en el equipo
- Plazos de entrega incumplidos
El mantenimiento era puramente reactivo: se reparaba lo que se rompía, cuando se rompía.
La dirección quería dar el salto al mantenimiento predictivo. El objetivo: anticipar la avería antes de que ocurra. Pero sin reemplazar una maquinaria que, mecánicamente, seguía cumpliendo su función.
La solución
Aplicamos nuestro servicio Industria Retrofit, parte de la línea de domótica e IoT. Está diseñado para digitalizar maquinaria analógica sin tocar su funcionamiento mecánico ni eléctrico original.
Sensorización de las tres máquinas críticas
En cada una de las tres máquinas críticas instalamos tres tipos de sensor:
- Vibración triaxial. Detecta cambios en los patrones que delatan desgaste de rodamientos, desalineación o holguras. El aviso llega mucho antes de que el problema sea visible o audible.
- Pinzas amperimétricas no invasivas (tipo clamp-on). Vigilan la alimentación de cada máquina. Un consumo superior al habitual suele indicar mayor fricción o sobrecarga.
- Contadores de ciclos ópticos. Registran la producción real de cada equipo.
Captura y análisis de los datos
Toda esa información se recoge a través de Modbus y un gateway LoRaWAN industrial. Ese gateway transmite los datos por la nave sin tirar cableado de red nuevo.
El bus de mensajería es MQTT. Node-RED procesa los datos y aplica algoritmos de detección de anomalías contra una línea base aprendida de cada máquina.
El histórico se guarda en InfluxDB. Los paneles operativos los muestra Grafana: estado de cada máquina, producción acumulada y tendencias de vibración.
Cuando un patrón se desvía de lo normal, el jefe de mantenimiento recibe una alerta. Llega con antelación suficiente para programar la intervención en un hueco de producción, en lugar de sufrir una parada de emergencia.
El resultado
El primer año arrojó cifras claras:
- Reducción del 60% en paradas de producción no planificadas.
- Ahorro del 25% en costes de mantenimiento, al sustituir el modelo reactivo por uno predictivo.
- Inversión amortizada en seis meses, gracias a las paradas y reparaciones de emergencia que se dejaron de pagar.
El impacto va más allá de lo económico. La planta dispone ahora de paneles de producción en tiempo real que ayudan a planificar mejor. También conserva un histórico completo de vibración y consumo para analizar tendencias a largo plazo y afinar el mantenimiento.
Para una industria del sur de Tenerife, el mensaje es directo: no hace falta tirar la maquinaria que funciona para modernizarse. Con sensorización local bien aplicada y seguimiento desde Canarias, una máquina de los años 90 puede ser tan predecible como una recién comprada.
¿Quieres resultados como estos para tu negocio?
Te analizamos tu web gratis y te decimos qué podemos mejorar