Cómo la detección temprana de anomalías con Visplore evitó pérdida de €1,1 millones en una turbina hidroeléctrica

En operaciones industriales críticas, como generación de energía o minería, las paradas no programadas tienen un impacto directo en costos, seguridad y continuidad operativa. La detección temprana de anomalías antes de que se activen alarmas tradicionales puede marcar la diferencia entre un mantenimiento planificado y una pérdida millonaria.

Este fue el caso de Hafslund Eco, uno de los principales productores de energía hidroeléctrica en Noruega, que logró evitar una pérdida estimada de €1,1 millones gracias al uso de Visplore, una plataforma de análisis visual de datos industriales.

Hafslund Eco opera más de 80 centrales hidroeléctricas, donde la confiabilidad es clave para garantizar el suministro eléctrico.

En una de sus turbinas Francis, los ingenieros detectaron un incremento repentino de temperatura en un cojinete hidrodinámico, observado luego de una parada prolongada en verano. El problema persistía incluso tras varios reinicios.

La dificultad principal era determinar:

• ¿Se trataba de una condición ambiental?

• ¿O era una señal temprana de falla mecánica que podía derivar en una parada no planificada?

Responder esta pregunta implicaba analizar años de data histórica, múltiples sensores y diferentes condiciones operativas.

La solución: análisis visual y detección de patrones con Visplore

Gracias a la conectividad directa de Visplore con el historiador AVEVA PI, los ingenieros cargaron:

• 3 años de data histórica

• 31 sensores del sistema de la turbina

El enfoque fue analizar cientos de eventos de arranque, comparando patrones de temperatura en periodos equivalentes de seis horas posteriores a cada startup.

¿Qué permitió Visplore?

• Identificar rápidamente eventos comparables dentro de grandes volúmenes de data

• Superponer patrones históricos para detectar desviaciones

• Correlacionar temperatura del cojinete con otras variables relevantes

  
  

El análisis reveló que:

• La temperatura del cojinete aumentaba más rápido y a niveles cada vez mayores

• El agua de enfriamiento no mostraba un aumento proporcional, descartando causas ambientales

Esto confirmó que el problema era técnico, no operativo ni climático.

La decisión: mantenimiento oportuno y planificado

Con evidencia clara, los ingenieros decidieron intervenir de inmediato, programando un mantenimiento de 3 semanas en un periodo de bajo precio de la energía.

Sin esta detección temprana, el escenario probable habría sido:

• 6 semanas de parada no planificada

• Intervención en un contexto de precios de energía mucho más altos

Resultados obtenidos

• €1,1 millones en pérdidas evitadas

• Reducción del tiempo de indisponibilidad en 50%

• Confirmación post-mantenimiento de una disminución de 10°C en la temperatura máxima del cojinete

• Metodología replicable en más de 80 turbinas

• Mayor confianza de los ingenieros en la toma de decisiones basada en datos

“La detección de anomalías por patrones y la rápida correlación con datos contextuales permiten tomar decisiones basadas en datos que ahorran millones de euros." Thor Arne Hvam Bruun Especialista en Turbinas – Hafslund Eco

Lecciones clave para minería e industria

Este caso deja aprendizajes directamente aplicables a minería, energía y procesos industriales:

1. Las alarmas por umbrales simples no siempre detectan fallas tempranas

2. El análisis visual de patrones históricos permite anticiparse a fallas críticas

3. Las herramientas transparentes empoderan al ingeniero, a diferencia de modelos “caja negra”

4. El acceso rápido a data histórica acelera decisiones técnicas complejas