Análisis de sonido con IA: mantenimiento predictivo sin sensores

04/09/2026

Una lección costosa de un proyecto de mantenimiento predictivo fallido

Recuerdo con claridad un proyecto de hace tres años en una fábrica de fideos instantáneos en Binh Duong. Inicialmente, el plan era claro: instalar sensores IoT en toda la línea de producción para monitorear vibración y temperatura. Calculamos los costos a detalle, establecimos un presupuesto e incluso diseñamos gráficos de eficiencia.

Sin embargo, la realidad fue un golpe duro. Aproximadamente un tercio del equipo de la fábrica consistía en maquinaria antigua importada en la década de 1990. Los fabricantes habían cesado el soporte, las piezas de repuesto no estaban disponibles y, lo más crítico, no había puertos de comunicación para adjuntar nuevos sensores. Perforar o instalar tuberías para dispositivos de medición adicionales habría requerido detener la línea de producción durante una semana. El Director de Operaciones lo rechazó de inmediato. El proyecto se estancó.

Nos reagrupamos y cambiamos nuestra mentalidad. En lugar de forzar a la maquinaria a "hablar" mediante señales digitales, la hicimos "hablar" a través de su ruido inherente. Es entonces cuando entró en escena el análisis de sonido con IA. No se requirió perforar ni cortar circuitos. Simplemente montamos un micrófono industrial cerca del motor y dejamos que la IA escuchara. El resultado fue un cambio radical.

Antes de la implementación: Evaluar la realidad y eliminar lo "invisible"

Muchos directores de operaciones creen que simplemente comprar software es suficiente. Ese es un error. La fase de preparación para el monitoreo de equipos de fábrica mediante sonido es más crítica que la instalación del software en sí.

Primero, deben identificar el "ruido de fondo" de la fábrica. Ya sea una cervecería o una planta de lubricantes en Vietnam, o almacenes de distribución en Tailandia y México, cada uno tiene un paisaje sonoro distinto: el silbido de los compresores de aire, el rugido de las montacargas o el estruendo de los aviones de carga que pasan por encima. Si estos sonidos no se filtran, la IA activará alarmas falsas continuamente.

En el proyecto de fideos instantáneos mencionado anteriormente, pasamos dos semanas simplemente recorriendo la fábrica, grabando cada área. Documentamos el ruido de las máquinas funcionando con normalidad, el sonido durante el molido y el ruido durante el empaquetado. Este fue nuestro conjunto de datos inicial de entrenamiento. No intenten usar datos de muestra de internet. La maquinaria de su fábrica tiene una "voz" única. Si entrenan la IA con datos genéricos, fallará al distinguir el sonido de un rodamiento desgastado en el Motor #3 del del Motor #4.

Durante la implementación: Cuando la IA comienza a escuchar y aprender

Desplegar el mantenimiento predictivo mediante sonido es significativamente más rápido que instalar sensores físicos. Montamos dispositivos de captura de audio industrial capaces de soportar altas temperaturas y humedad. En fábricas de alimentos como Meat Deli o empresas dentro del ecosistema Masan, la higiene es primordial. Los dispositivos de audio estaban encerrados en carcavas selladas, asegurando que no hubiera contacto directo con los productos alimenticios.

Durante esta fase, la IA actúa como un artesano experto que nunca descansa. Se entrena para reconocer patrones de sonido anormales:

• Clics irregulares: Una señal de rodamientos rotos o sueltos.
• Silbidos agudos: Causados generalmente por fricción excesiva entre engranajes o falta de lubricación.
• Zumbido grave anormal: Podría indicar desalineación del motor o sobrecarga.

Interesantemente, la IA no necesita entender los principios técnicos profundos de la máquina. Solo necesita saber que "este sonido difiere del sonido normal registrado previamente". Observamos que la IA detectaba un ruido inusual apenas 0.5 segundos antes de una parada súbita de la máquina. El oído humano, en medio de decenas de otros ruidos de fábrica, tendría dificultades para oír tal diferencia sutil.

Sin embargo, esta fase también presenta desafíos. Inicialmente, el sistema activaba demasiadas alarmas. Tuvimos que ajustar finamente los umbrales de sensibilidad. Aquí es crucial la interacción entre los ingenieros de operaciones y el equipo de IA. El ingeniero debe confirmar: "Sí, este sonido se debe a un perno suelto en la Máquina A", mientras la IA registra y aprende. Esta colaboración hace que el sistema sea más inteligente en tiempo real.

Después del despliegue: Eficacia en el mundo real y compensaciones

Una vez que el sistema se estabiliza, el valor de aplicar el análisis de sonido con IA a equipos no IoT se vuelve claro. En lugar de esperar a una falla para reparar (mantenimiento correctivo) o seguir un horario fijo (mantenimiento preventivo), pasamos a un mantenimiento basado en el estado.

En varias cervecerías y empresas de fabricación de lubricantes donde colaboré con AIVISION, el sistema ayudó a reducir las paradas no planificadas en aproximadamente un 30%. Más importante aún, extendió la vida útil de los equipos antiguos. Al saber exactamente cuándo un rodamiento está a punto de fallar, los técnicos pueden planificar reemplazos durante los descansos de turno, evitando paradas a mitad de la producción en horas pico.

Sin embargo, debe declararse con franqueza que esta solución no es una "bala de plata". Tiene limitaciones:

• Tolerancia al ruido: Si la fábrica es excesivamente ruidosa sin medidas de insonorización, la precisión disminuirá.
• Sin medición de parámetros físicos: La IA puede oír sonidos, pero no puede medir presión o temperatura precisas. Aún necesitan combinarla con sensores tradicionales para estos parámetros si es necesario.
• Requisito de datos históricos: Si una máquina está funcionando por primera vez, la IA necesita tiempo para aprender su "voz" antes de detectar fallas.

Monitorear equipos de fábrica mediante sonido es una jugada inteligente para las empresas que buscan digitalización sin el alto costo de una gran inversión en infraestructura. Se adapta tanto a fábricas medianas y pequeñas en Vietnam, como a cadenas de suministro multinacionales que se expanden a mercados emergentes.

¿Cuándo es el análisis de sonido con IA la opción óptima?

No se necesita IA para todo. Aquí hay escenarios específicos donde esta solución realmente destaca:

1. Líneas de producción que utilizan maquinaria antigua sin puertos de conexión o donde es imposible perforar para sensores.
2. Entornos de fábrica con ruido de fondo significativo que aún requieren monitoreo continuo de máquinas.
3. Cuando desean desplegar mantenimiento predictivo rápidamente a un costo menor que reemplazar todo el sistema IoT.
4. Fábricas de alimentos y farmacéuticas con estrictos requisitos de higiene que prohíben perforar equipos.

En muchos proyectos en Filipinas o México, hemos visto fábricas antiguas ser remodeladas de esta manera. No necesitan demoler y reconstruir; simplemente agregan una capa de "orejas inteligentes". Esa es el poder de aplicar la tecnología en el lugar correcto.

Preguntas frecuentes

¿El análisis de sonido con IA reemplaza completamente a los técnicos?

No. La IA es una herramienta de apoyo a la toma de decisiones. Señala cuando existe un problema, pero el diagnóstico detallado y la reparación aún requieren la experiencia de un técnico. La IA ayuda a los técnicos a llegar al lugar correcto, en el momento correcto, con las piezas de repuesto adecuadas.

¿Cómo se compara el costo de despliegue con la instalación de sensores IoT?

El costo suele ser un 40% a un 60% menor porque no es necesario reemplazar maquinaria, perforar agujeros ni ejecutar cableado complejo. Los dispositivos de captura de audio tienen un precio razonable y pueden moverse fácilmente entre ubicaciones si es necesario.

¿Puede el sistema operar en entornos extremadamente ruidosos?

Sí, pero requiere ajustes finos. Los algoritmos de IA modernos tienen fuertes capacidades de filtrado de ruido. Sin embargo, si el ruido es excesivamente alto e inestable, la precisión puede disminuir. En tales casos, puede ser necesario equipo adicional de insonorización, o los micrófonos deben colocarse más cerca de la fuente del sonido.

AIVISION ayuda a las empresas a convertir la IA en sistemas operativos. Explore nuestras soluciones de IA empresarial, lea más en el blog de AIVISION, o hable con nuestro equipo sobre su propio caso de uso.