Colombia
Chile
Costa Rica
Bolivia
Ecuador
Perú
Honduras
El Salvador
Guatemala
Puerto Rico
Panama
Paraguay
Centro América y Caribe
La Sociedad Estadounidense para Pruebas y Materiales (ASTM) emitió recientemente el Método D7718-11, que proporciona una práctica estándar aprobada para tomar muestras de equipos críticos lubricados con grasa.
El nuevo estándar utiliza la metodología de Grease Thief, que permite a los usuarios obtener una muestra representativa de grasa en servicio de cojinetes de motor, cajas de engranajes, válvulas operadas por motor y otra maquinaria crítica, y luego los resultados del análisis para el monitoreo de la condición.
Este análisis de la grasa lubricante en servicio no solo puede ayudar a predecir la vida y el estado del componente lubricado con grasa, sino que también se puede combinar con otras tecnologías, como imágenes infrarrojas, análisis de vibraciones y análisis de vibraciones ultrasónicas para predecir cuándo una máquina puede fallar.
La información obtenida a través de estos análisis puede permitir un mayor tiempo de actividad general al ayudar en la predicción de fallas de componentes lubricados con grasa como parte de un programa de mantenimiento predictivo. La predicción de un componente lubricado con grasa que falla también debería mejorar el nivel de seguridad de todos los que trabajan alrededor del componente.
“El nuevo estándar establece métodos para obtener buenas muestras de muchos tipos de componentes”, dice Richard Wurzbach de MRG Labs. “Hasta ahora, no ha habido una guía confiable para tomar muestras de grasa, lo que ha limitado severamente el uso del análisis de grasa como herramienta de diagnóstico. Con el advenimiento de la nueva tecnología y un enfoque estándar para el muestreo, se abrió la puerta para el análisis de grasas para asumir el desafío de mejorar la confiabilidad de las turbinas eólicas, la robótica, las centrales eléctricas, las operaciones mineras y la fabricación “.
El uso del Engrasador de grasa en lugar de los tapones de drenaje de los cojinetes del motor permite una purga de grasa adecuada al tiempo que captura cualquier grasa purgada para su análisis.
Tradicionalmente, el análisis de vibraciones se usaría para monitorear la condición mecánica de un motor eléctrico lubricado con grasa. Sin embargo, con los dispositivos de muestreo de Grease Thief, puede extraer una muestra de grasa razonablemente representativa para detectar la mezcla, la degradación de la grasa y las partículas de desgaste.
“Esta práctica estándar es la base para que las empresas creen procedimientos y procesos para garantizar un monitoreo confiable de las grasas y el estado de los componentes lubricados con grasa”, agrega Wurzbach. “Se describen cinco métodos, que proporcionan las precauciones y los pasos, las herramientas y los métodos adecuados para obtener y enviar constantemente muestras de grasa para su análisis”.
El Grease Thief Analyzer utiliza un proceso de extrusión de matriz para medir los cambios en la consistencia de la grasa y las características de flujo, y prepara un sustrato de película delgada para su posterior análisis de laboratorio con instrumentación de análisis de aceite típica. Los kits de muestreo brindan la oportunidad de obtener resultados de tan solo 1 gramo de grasa.
“De la misma manera que el análisis de aceite se ha mejorado mediante el uso de accesorios de muestreo y procedimientos de muestreo prescritos, los resultados del análisis de grasa ahora pueden estar en tierra firme para alentar y permitir resultados confiables y consistentes”, señala Wurzbach. “La circulación limitada de grasa en la maquinaria dicta que cualquier muestra sea obtenida cuidadosamente por una mejor práctica establecida y con las herramientas adecuadas para el trabajo. Con la tecnología de muestreo de Grease Thief y la guía de procedimiento basada en ASTM D7718, los usuarios ahora tienen la capacidad de monitorear y mejorar con confianza la confiabilidad de los componentes críticos lubricados con grasa ”.
Noria Corporation. Traducido por Roberto Trujillo Corona, Noria Latín América.