Para detectar valores atípicos en datos de sensores sin perder las alertas tempranas, marque las lecturas sospechosas en lugar de eliminarlas, y luego clasifique cada una como fallo del sensor o cambio de proceso. Los fallos del sensor se presentan como valores constantes (flatlines), picos aislados en una sola lectura y valores imposibles. Los problemas reales de un equipo suelen manifestarse como una deriva que persiste y que también aparece en una medición relacionada.
Gran parte de los consejos sobre valores atípicos provienen de la limpieza de datos, donde el objetivo es un conjunto de datos ordenado. En mantenimiento, la lectura que no encaja suele ser precisamente aquella para la que instaló el sensor, así que mi primera regla es que las lecturas brutas se conserven almacenadas y que el filtrado se aplique donde se usan los datos.
¿Cómo se eliminan los picos de las lecturas de sensores sin perder datos?
Filtre la vista, no el almacenamiento. Conserve todas las lecturas brutas, marque las sospechosas y aplique el filtro en el gráfico, informe o alarma que las lee.
Una media móvil de cinco lecturas reparte un pico único de +50 en cinco salidas que son cada una 10 unidades demasiado altas, de modo que el pico se convierte en una pequeña colina que parece un cambio real. Una mediana sobre esas mismas cinco lecturas ignora hasta dos valores atípicos en la ventana y aun así sigue un cambio real escalón una vez que tres de las cinco lecturas muestran el nuevo valor.
El lado de las alarmas se trata en cómo mantener una lectura errónea fuera de sus alarmas, y el lado de los gráficos en lo que oculta una media horaria.
¿Cómo distinguir un sensor defectuoso de un cambio real?
Observe la forma de la anomalía y compruebe otra medición. Los fallos de sensor tienen formas propias, y un cambio real del proceso suele aparecer en más de una señal.
| Patrón | Causa probable | Qué comprobar |
|---|---|---|
| Flatline: el mismo valor durante más tiempo del que permite el proceso | Sensor bloqueado, o una pasarela que repite el último valor tras perder el dispositivo | Las marcas de tiempo de las lecturas y el estado propio del dispositivo |
| Pico aislado que desaparece en la siguiente lectura | Ruido eléctrico o un mensaje corrupto | Si los sensores vecinos se movieron en el mismo instante |
| Valor imposible: fuera del rango del sensor o de la física | Fallo de cableado, lazo abierto o sensor averiado | El rango indicado en la hoja de datos del sensor y el cableado |
| Escalón en un momento conocido | Sensor sustituido o recalibrado | El registro de mantenimiento de esa fecha |
| Deriva lenta que persiste | Desgaste o incrustación reales, o deriva del sensor | Una medición relacionada, o un segundo instrumento |
La última fila es donde está el valor. Una temperatura de cojinete que sube lentamente mientras la vibración aumenta en la misma máquina apunta a desgaste. La misma subida con vibración plana y un sensor que no se ha revisado en años puede deberse al sensor. Repasé la calibración de un tipo de sensor en qué significan las lecturas de humedad del suelo.
Detección de anomalías para el mantenimiento de equipos: ¿por dónde empezar?
Empiece con reglas que pueda explicar, y añada estadística más adelante. Una regla como «flatline durante 30 minutos» o «valor fuera del rango del sensor» detecta los fallos de sensor más comunes e indica al técnico qué revisar.
- Establezca límites físicos para cada sensor: su rango y la velocidad de cambio más rápida que puede producir el proceso.
- Añada una comprobación de flatline con un límite de tiempo adecuado al ruido normal de la señal.
- Compare cada máquina con su propio historial a una carga similar, no con una media de la flota.
- Cuando tenga máquinas idénticas, compárelas entre sí.
- Solo entonces pruebe puntuaciones estadísticas, y envíe lo que marquen a una persona para su revisión en lugar de al descarte.
Una prueba estadística marca todo lo que no encaja con su idea de lo normal, y un fallo en desarrollo es una de esas cosas, así que investigue lo que marque. Una prueba que aprende lo «normal» a partir de datos recientes también puede absorber una deriva lenta en su línea base, por eso las comprobaciones basadas en reglas se mantienen. Nada de esto sustituye a la protección propia de la máquina: los disparos y los enclavamientos permanecen en el sistema de control. Para un conjunto de puntos de condición trabajados, consulte monitorización de cintas transportadoras, trituradoras y ventiladores de ventilación en minería y la página del sector manufacturero.
Preguntas frecuentes
¿Deben excluirse los valores atípicos de las medias de los informes?
Excluya del cálculo las lecturas marcadas como fallos de sensor, consérvelas almacenadas e indique en el informe cuántas se han dejado fuera. Las lecturas que solo son inusuales, sin ningún fallo detrás, deben incluirse en la media, porque describen lo que hizo el proceso.
¿Puede una puntuación z encontrar sensores defectuosos?
Solo algunos. Una puntuación z mide a cuántas desviaciones estándar se encuentra una lectura de la media, así que marca valores raros, no sensores averiados. Un sensor bloqueado en un valor normal tiene una puntuación z cercana a cero y supera la prueba siempre. Combine las puntuaciones z con una comprobación de flatline y límites de rango.
¿Cuántas lecturas debe usar un filtro de mediana?
Use la ventana impar más pequeña que cubra el pico más largo que quiera ignorar. Una ventana de tres ignora una lectura errónea, una ventana de cinco ignora dos seguidas. Las ventanas más grandes retrasan los cambios reales aproximadamente la mitad de la ventana, así que manténgalas cortas en señales donde la velocidad importa.

