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 y carece por completo de salidas digitales o interfaces de comunicación modernas: son máquinas robustas y fiables, pero “mudas”.
El problema eran las averías inesperadas. Cuando una de estas máquinas fallaba, la línea se detenía entre 4 y 12 horas, con el coste asociado en horas de personal paradas, piezas dañadas y plazos de entrega que se incumplían. El mantenimiento era puramente reactivo: se reparaba lo que se rompía, cuando se rompía.
La dirección quería dar el salto al mantenimiento predictivo —anticipar la avería antes de que ocurra— pero sin asumir la inversión de reemplazar una maquinaria que, mecánicamente, seguía cumpliendo su función.
La solución
Aplicamos nuestro servicio Industria Retrofit, parte de la línea de domótica e IoT, diseñado precisamente para digitalizar maquinaria analógica sin tocar su funcionamiento mecánico ni eléctrico original.
En las tres máquinas críticas de la línea instalamos sensores de vibración triaxial. Estos detectan cambios en los patrones de vibración que delatan desgaste de rodamientos, desalineación o holguras mecánicas mucho antes de que el problema sea visible o audible. Lo complementamos con pinzas amperimétricas no invasivas (tipo clamp-on) en la alimentación de cada máquina: un consumo eléctrico superior al habitual suele indicar mayor fricción o sobrecarga. Y añadimos contadores de ciclos ópticos para registrar la producción real de cada equipo.
Toda esa información se recoge a través de Modbus y un gateway LoRaWAN industrial, que transmite los datos por la nave sin necesidad de tirar cableado de red nuevo. El bus de mensajería es MQTT, y Node-RED procesa los datos aplicando algoritmos de detección de anomalías contra una línea base aprendida de cada máquina. El histórico se guarda en InfluxDB y los paneles operativos los muestra Grafana, con el estado de cada máquina, la producción acumulada y las tendencias de vibración.
Cuando un patrón se desvía de lo normal, el jefe de mantenimiento recibe una alerta con la antelación suficiente para programar la intervención en un hueco de la producción, en lugar de sufrirla como una parada de emergencia.
El resultado
El primer año arrojó una reducción del 60% en paradas de producción no planificadas y un ahorro del 25% en costes de mantenimiento al sustituir el modelo reactivo por uno predictivo. La inversión se amortizó por completo en seis meses, gracias a las paradas y reparaciones de emergencia que se dejaron de pagar.
Además del impacto económico, la planta dispone ahora de paneles de producción en tiempo real que ayudan a planificar mejor, y de un histórico completo de vibración y consumo que permite analizar tendencias a largo plazo y afinar aún más 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