El peor momento para descubrir que las baterías del SAI industrial están agotadas es cuando la red falla y el SAI necesita entrar en modo batería. El peor momento para descubrir que el ventilador interno del SAI lleva semanas sin funcionar es cuando el equipo se apaga por sobretemperatura en plena producción. El mantenimiento predictivo de la infraestructura eléctrica no es una filosofía abstracta: es la práctica sistemática de monitorizar continuamente el estado real de los equipos para intervenir antes de que fallen.
De correctivo a predictivo: la evolución del mantenimiento eléctrico
Los tres paradigmas de mantenimiento
Mantenimiento correctivo: Se repara cuando falla. Es el modelo más caro a largo plazo porque combina los costes de la reparación con los costes de la parada no planificada. En infraestructura eléctrica industrial, el mantenimiento puramente correctivo es inaceptable: un SAI que falla cuando la red falla no protege nada.
Mantenimiento preventivo: Se interviene según un calendario fijo, independientemente del estado real del equipo. Mejor que el correctivo, pero ineficiente: se sustituyen componentes que aún tienen vida útil restante, y se pueden perder fallos que ocurren entre revisiones programadas. Es el estándar actual en la mayoría de las instalaciones industriales españolas.
Mantenimiento predictivo (o basado en condición): Se interviene cuando los datos de monitorización indican que el equipo se está degradando y que su fallo es inminente o probable. Permite maximizar la vida útil de los componentes (no se sustituye hasta que es necesario) mientras se evitan los fallos no planificados. Es el objetivo al que tiende la industria 4.0 aplicada a la infraestructura.
Mantenimiento prescriptivo: La evolución del predictivo: no solo detecta la degradación, sino que recomienda automáticamente la acción correcta, el momento óptimo de intervención y los recursos necesarios. Requiere algoritmos de IA/ML y datos históricos ricos.
Por qué la infraestructura eléctrica es ideal para el mantenimiento predictivo
La infraestructura eléctrica (SAIs, baterías, grupos electrógenos, transformadores, cuadros de distribución) tiene características que la hacen especialmente adecuada para el mantenimiento predictivo:
- Los fallos siguen patrones predecibles: la degradación de baterías, el desgaste de condensadores, el envejecimiento de ventiladores — todos siguen curvas de degradación identificables con los datos correctos
- Los parámetros clave son medibles en tiempo real: tensión, corriente, temperatura, impedancia de batería, horas de funcionamiento — todos son mensurables sin intervención técnica
- Los costes de fallo son elevados: la inversión en monitorización se justifica rápidamente por el coste de incluso una parada no planificada
- Los equipos modernos están preparados: los SAIs y equipos de infraestructura modernos incluyen sensores internos y conectividad para la monitorización remota
Los parámetros clave que predice el fallo
Monitorización de baterías: el componente más crítico
Las baterías son el elemento de mayor criticidad y mayor tasa de fallo en un SAI industrial. La degradación de las baterías sigue un patrón bien conocido y medible:
Impedancia interna de la batería: El indicador más fiable del estado de salud (SoH — State of Health) de una batería VRLA es su impedancia interna. A medida que la batería envejece, su impedancia aumenta:
- Batería nueva: 100% de capacidad, impedancia de referencia = 1.0 (valor normalizado)
- Batería al 80% de capacidad: impedancia ≈ 1.2 × referencia (reemplazo recomendado en instalaciones críticas)
- Batería al 60% de capacidad: impedancia ≈ 1.4-1.5 × referencia (riesgo de fallo)
- Batería en fallo inminente: impedancia > 2.0 × referencia
Los SAIs Vertiv Liebert con módulo de gestión incorporan medición periódica de la impedancia de todas las baterías del sistema, generando alarmas cuando alguna batería supera el umbral configurado.
Tensión de flotación: La tensión de una batería VRLA en flotación (cargada al 100%) debe estar en el rango de 2,25-2,30 V/célula (13,5-13,8V para una batería de 12V). Desviaciones sostenidas fuera de este rango indican problemas con la batería o con el cargador.
Temperatura de batería: La temperatura es el factor que más impacta en la vida útil de las baterías (ver artículo SAIs en entornos hostiles). La monitorización continua de la temperatura del banco de baterías, con alertas cuando supera 25°C de forma sostenida, es una medida básica de mantenimiento predictivo.
Capacidad real vs. nominal (test de descarga): La única forma de conocer la capacidad real actual de las baterías es hacer un test de descarga: descargar las baterías a una corriente conocida y medir el tiempo hasta que la tensión cae al umbral de corte. Los SAIs modernos pueden realizar este test automáticamente de forma periódica (por ejemplo, mensualmente), registrando la capacidad real y generando alertas si cae por debajo del 80% de la capacidad nominal.
Monitorización del SAI: los parámetros del sistema
Temperatura interna: La temperatura de los componentes internos del SAI (inductores, transformadores, módulos de potencia) es un indicador de sobrecarga o de problemas de refrigeración. Un aumento gradual de la temperatura interna puede indicar obstrucción de filtros de ventilación, fallo de un ventilador o aumento de la carga de forma no percibida.
Carga actual (%): El porcentaje de carga nominal del SAI. Un aumento progresivo de la carga puede indicar que se han añadido nuevos equipos sin actualizar el SAI, que algún equipo está fallando y consumiendo más potencia, o que se está acercando al límite de capacidad del sistema.
Número de eventos de batería: Cada vez que el SAI entra en modo batería (sea por un corte de red o por una perturbación de tensión severa) se registra como un evento de batería. Un aumento en la frecuencia de estos eventos puede indicar problemas de calidad en la red de suministro que deben investigarse.
Eficiencia del SAI: La eficiencia de conversión (potencia de salida / potencia de entrada) de un SAI se degrada con el tiempo por el envejecimiento de los condensadores del filtro y los módulos de potencia. Una caída de eficiencia por debajo del valor nominal puede indicar inicio de degradación.
Estado del bypass estático: El número de operaciones del bypass estático (intervenciones automáticas ante sobrecargas o fallos del inversor) es un indicador del nivel de estrés del sistema. Un aumento en la frecuencia de operación del bypass puede indicar que el SAI está operando cerca de su límite o que hay problemas con las cargas.
Monitorización ambiental: temperatura y humedad en la sala de control
Los equipos de la sala de control industrial no solo dependen de la calidad del suministro eléctrico, sino también de las condiciones ambientales. Los sensores Vertiv de temperatura y humedad proporcionan monitorización continua:
Temperatura de la sala: El rango óptimo de operación para equipos electrónicos industriales es 18-27°C (ASHRAE A1). Temperaturas superiores acortan la vida de todos los componentes electrónicos. Una tendencia al alza de la temperatura de la sala puede indicar fallo del sistema de climatización, aumento de la carga de equipos o problemas con el aislamiento térmico.
Temperatura de punto caliente en racks: La temperatura del aire de retorno en la parte superior del rack es el indicador más directo del estado térmico de los servidores y equipos activos. Temperaturas de retorno > 35°C indican riesgo de throttling térmico o fallo de equipos.
Humedad relativa: El rango correcto para sala de control industrial es 40-60% HR. Humedad < 30% genera riesgo de descarga electrostática (ESD). Humedad > 70% genera riesgo de condensación y corrosión de componentes.
Temperatura diferencial (Delta T): La diferencia entre la temperatura de suministro de aire frío y la temperatura de retorno del aire caliente indica la eficiencia de la climatización. Un aumento del Delta T con la misma carga puede indicar problemas con el sistema de climatización.
Plataformas de monitorización: desde el sensor hasta el dashboard
Vertiv Intellislot RDU101: conectividad para los SAIs Vertiv
El Vertiv Intellislot RDU101 es el módulo de gestión estándar para los SAIs Vertiv Liebert. Se instala en el slot de gestión disponible en todos los SAIs de la gama profesional y proporciona:
- Conectividad Ethernet RJ45 para integración en la red de gestión
- Protocolo SNMP v1/v2c/v3 para integración con cualquier NMS o plataforma DCIM
- Protocolo Modbus TCP para integración con SCADA industrial
- Interfaz web HTTPS para acceso local o remoto
- Notificaciones por email y SNMP traps ante alarmas configurables
- Registro de eventos con timestamp para auditoría
Los datos disponibles incluyen: tensión/corriente/potencia de entrada y salida, carga en %, temperatura interna, estado de baterías, autonomía estimada, número de eventos, estado del bypass y todas las alarmas activas.
Vertiv Power Insight: gestión centralizada de múltiples SAIs
Vertiv Power Insight es el software de gestión para instalaciones con múltiples SAIs Vertiv. Desde una consola centralizada, proporciona:
- Inventario y monitorización de todos los SAIs de la instalación
- Tendencias históricas de todos los parámetros de cada SAI
- Alarmas centralizadas con escalado a diferentes destinatarios
- Informes de disponibilidad y eventos para cada SAI
- Gestión de actualizaciones de firmware de forma centralizada
- Integración con tickets de mantenimiento (CMMS) mediante APIs
Es la solución adecuada para plantas industriales con 5-50 SAIs distribuidos por la instalación, donde la gestión individual de cada equipo sería ineficiente.
Vertiv Trellis Enterprise: DCIM completo para instalaciones complejas
Vertiv Trellis Enterprise es la plataforma DCIM de referencia para instalaciones más complejas. Para plantas industriales con un micro data center o sala de servidores de producción significativa, Trellis proporciona:
- Gestión de todos los activos físicos (servidores, SAIs, PDUs, switches, climatización)
- Modelización 3D de racks y salas
- Gestión de capacidad: potencia disponible, espacio en rack, capacidad de red
- Flujos de trabajo para cambios de configuración
- Integración con sistemas de ticketing (ServiceNow, Jira)
- Análisis predictivo de capacidad
KPIs de disponibilidad eléctrica para infraestructura industrial
Los indicadores clave que debe medir
Disponibilidad del sistema de alimentación (Availability): Porcentaje de tiempo en que el sistema de alimentación ha proporcionado energía a las cargas sin interrupciones.
Disponibilidad = (Tiempo total - Tiempo de indisponibilidad) / Tiempo total × 100%
El objetivo para infraestructura de control industrial crítico es > 99,9% (menos de 8,7 horas de indisponibilidad al año). Para sistemas de producción continua, se aspira a > 99,99% (menos de 52 minutos al año).
MTBF (Mean Time Between Failures): Tiempo medio entre fallos del sistema de alimentación. Un MTBF bajo indica problemas sistémicos con la fiabilidad del sistema.
MTTR (Mean Time To Repair): Tiempo medio de reparación cuando se produce un fallo. Refleja la eficacia del equipo de mantenimiento y la disponibilidad de repuestos.
Número de eventos de batería por período: Cuántas veces el SAI ha entrado en modo batería en el último mes/trimestre/año. Un aumento sostenido indica degradación de la calidad del suministro eléctrico o aumento de la sensibilidad de las cargas.
Estado de salud de baterías (SoH — Battery State of Health): Porcentaje de la capacidad original que conservan las baterías actuales. Objetivo: > 80% en todo momento. Por debajo del 80%, la autonomía real puede ser insuficiente ante un corte prolongado.
Temperatura media y máxima del banco de baterías: Media anual y máxima registrada. Si la temperatura media supera 25°C, la vida útil esperada de las baterías VRLA se reduce significativamente.
Capacidad utilizada del SAI (%): Porcentaje medio y máximo de carga del SAI. Si la carga media supera el 70-75%, el sistema está cerca de su límite y debe estudiarse la ampliación.
Dashboard de mantenimiento predictivo: el cuadro de mando del responsable de instalaciones
Un dashboard efectivo de mantenimiento predictivo de la infraestructura eléctrica industrial debe mostrar:
| KPI | Verde | Amarillo | Rojo | |-----|-------|---------|------| | Disponibilidad sistema | > 99,9% | 99,5-99,9% | < 99,5% | | SoH baterías (min) | > 85% | 75-85% | < 75% | | Temperatura baterías (máx) | < 25°C | 25-30°C | > 30°C | | Carga SAI (máx) | < 70% | 70-85% | > 85% | | Temperatura sala (máx) | < 27°C | 27-35°C | > 35°C | | Humedad sala | 40-60% | 35-40% o 60-70% | < 35% o > 70% | | Eventos batería (mes) | 0-2 | 3-5 | > 5 |
Protocolos de mantenimiento para infraestructura eléctrica industrial
Frecuencias y operaciones por componente
SAI (mensual — operación remota):
- Verificación de estado desde plataforma de monitorización (sin desplazamiento)
- Comprobación de alarmas activas y eventos del mes
- Revisión de tendencias de temperatura, carga y estado de baterías
- Si hay alarmas: escalar a mantenimiento presencial
SAI (semestral — inspección presencial):
- Limpieza de filtros de ventilación
- Verificación visual de conexiones (sin aflojar/apretar sin necesidad)
- Comprobación de tensiones de flotación de baterías con multímetro calibrado
- Registro de temperatura ambiente y del equipo
- Actualización del historial de mantenimiento
SAI (anual — mantenimiento completo):
- Limpieza interna con aspirador antieestático
- Apriete de todos los terminales de potencia según par especificado por el fabricante
- Test de descarga de baterías para verificar capacidad real
- Medición de impedancia de baterías
- Test de transferencia a modo batería y retorno a red
- Test de bypass estático y de mantenimiento
- Calibración de instrumentación (tensión, corriente, temperatura)
- Actualización de firmware si hay versión disponible
- Informe de mantenimiento con todos los valores medidos y comparativa histórica
Baterías VRLA (sustitución preventiva):
- Entornos climátizados (< 25°C): cada 4-5 años o cuando SoH < 80%
- Entornos con temperatura 25-35°C: cada 3-4 años o cuando SoH < 80%
- Entornos con temperatura > 35°C: cada 2-3 años o cuando SoH < 80%
Módulo de litio (sustitución):
- Vida útil: 8-10 años (2.000-4.000 ciclos de carga/descarga)
- Monitorización del BMS (Battery Management System) integrado para estado en tiempo real
- Sustitución basada en datos del BMS, no en calendario fijo
El plan de mantenimiento documentado: obligatorio y útil
En el contexto de la industria manufacturera española, el mantenimiento de la infraestructura eléctrica debe estar documentado por varias razones:
- Auditorías de calidad (ISO 9001, IATF 16949): los sistemas de gestión de calidad exigen evidencia de mantenimiento de equipos críticos para la producción
- Seguros industriales: ante una reclamación por daño en equipos o interrupción de producción, las aseguradoras solicitan evidencia de mantenimiento adecuado
- Garantías de fabricante: muchas garantías extendidas de SAIs requieren evidencia de mantenimiento periódico por técnico certificado
- Cumplimiento NIS2: para las empresas afectadas por el Reglamento NIS2, la documentación de las medidas de disponibilidad (incluido el mantenimiento de la infraestructura de alimentación) es un requisito del cumplimiento
Integración del mantenimiento predictivo con el CMMS de planta
Del dato al ticket de mantenimiento: el flujo automático
El objetivo del mantenimiento predictivo moderno es que la detección de una degradación genere automáticamente un ticket de mantenimiento en el CMMS (Computerized Maintenance Management System) de la planta, asignado al técnico adecuado, con el diagnóstico preliminar y los repuestos necesarios ya identificados.
Flujo típico:
- El sensor del SAI detecta que la impedancia de una batería ha superado el umbral del 120% del valor de referencia
- La plataforma de monitorización (Vertiv Power Insight o Trellis Enterprise) genera una alarma de nivel medio
- La alarma se envía por email/webhook/API al CMMS de la planta (SAP PM, IBM Maximo, Fiix, etc.)
- Se crea automáticamente una orden de trabajo de tipo "Preventivo — Batería SAI sala control línea 3" con la información del equipo, el diagnóstico y el repuesto recomendado (batería VRLA 12V-18Ah, referencia Vertiv)
- El CMMS asigna la orden al técnico de mantenimiento eléctrico de guardia con prioridad media
- El técnico realiza la sustitución en la próxima parada programada (o antes si el deterioro es rápido)
- La orden de trabajo cierra con los datos de la intervención, actualizando el historial del activo
Esta integración requiere que la plataforma de monitorización tenga capacidad de integración con el CMMS (via API REST, webhooks o integración nativa). Tanto Vertiv Power Insight como Vertiv Trellis Enterprise proporcionan APIs para esta integración.
Mantenimiento predictivo del grupo electrógeno: el complemento del SAI
Por qué el grupo electrógeno también necesita monitorización predictiva
El SAI y el grupo electrógeno forman una pareja inseparable en la estrategia de continuidad eléctrica de una planta industrial. Un SAI en perfecto estado pero con un grupo electrógeno que no arranca cuando se necesita resulta en una autonomía limitada a las baterías — suficiente para un corte breve, pero no para un corte prolongado.
Los parámetros de monitorización predictiva del grupo electrógeno incluyen:
- Tensión y densidad del electrolito de las baterías de arranque: las baterías del grupo electrógeno también se degradan. Una batería de arranque en mal estado puede impedir el arranque cuando más se necesita.
- Nivel de combustible: alerta automática cuando el nivel cae por debajo del umbral mínimo para la autonomía requerida
- Temperatura del motor: monitorización de la temperatura del líquido de refrigeración en la última prueba
- Registro de pruebas de arranque: fecha y resultado de cada prueba mensual; alerta si se supera el intervalo sin prueba
- Contador de horas de funcionamiento: para la planificación de los mantenimientos de motor (cambio de aceite, filtros) basados en horas reales de uso
Frecuencias de mantenimiento del grupo electrógeno
| Operación | Frecuencia | |-----------|------------| | Prueba de arranque sin carga | Mensual | | Prueba de arranque con carga | Trimestral | | Cambio de aceite de motor | Según horas (cada 250-500h) o anual | | Cambio de filtros (aceite, combustible, aire) | Según fabricante, típicamente anual | | Test completo de transferencia automática | Semestral | | Revisión completa (motor + grupo + cuadro ATS) | Anual |
Preguntas frecuentes
¿Cuándo debo cambiar las baterías de mi SAI industrial?
La respuesta correcta no es "cada X años" sino "cuando el estado de salud (SoH) cae por debajo del 80%". Con monitorización de impedancia, puedes tomar esta decisión basada en datos reales. Sin monitorización, la regla práctica para baterías VRLA es: a 20-25°C, cada 4-5 años. A 30°C, cada 3-4 años. A 35°C o más, cada 2-3 años. En instalaciones críticas, es habitual planificar la sustitución al 80% de la vida útil estimada como margen de seguridad. La comparativa de costes entre VRLA y litio a largo plazo está en el artículo sobre baterías de litio vs. VRLA.
¿Puedo hacer el mantenimiento del SAI yo mismo o necesito técnico especializado?
Las operaciones de monitorización remota (revisar el dashboard, verificar alarmas) puede hacerlas cualquier persona con acceso a la plataforma y formación básica. La limpieza de filtros externos y las inspecciones visuales de nivel básico también pueden hacerlas técnicos de mantenimiento eléctrico de planta con la formación adecuada. Sin embargo, el mantenimiento anual completo (apertura del equipo, medición de baterías, test de transferencia, apriete de terminales de alta tensión) debe realizarlo un técnico especializado en SAIs, tanto por seguridad como por garantía. Ionia Energy ofrece contratos de mantenimiento anual con técnicos certificados Vertiv.
¿Qué pasa si mi SAI no tiene módulo de gestión (sin Intellislot)?
Sin módulo de gestión, el SAI solo puede monitorizarse localmente (panel frontal del equipo). Esto significa que no hay alertas remotas, no hay historial de eventos y no hay posibilidad de mantenimiento predictivo remoto. Para instalaciones críticas, la adición del módulo Intellislot RDU101 tiene un coste marginal (200-400 €) pero transforma completamente las capacidades de gestión del equipo. Si el SAI no tiene slot de gestión (modelos más básicos), la alternativa es la monitorización del circuito de salida mediante medidores de energía con conectividad (por ejemplo, mediante Modbus) que detecten cambios en el consumo de la carga.
¿Cuánto cuesta implementar un sistema de monitorización predictiva para infraestructura eléctrica industrial?
El coste depende de la escala de la instalación. Para una instalación con 1-5 SAIs, un Intellislot RDU101 por SAI (200-400 €/ud) + Vertiv Power Insight (software gratuito o bajo coste para instalaciones pequeñas) + sensores de temperatura (100-200 €/ud) representa una inversión de 1.000-3.000 € con capacidades completas de monitorización predictiva. Para instalaciones más grandes (10+ SAIs, micro data center), Vertiv Trellis Enterprise añade capacidades DCIM completas con un coste de licencia que se justifica por la complejidad de gestión. En cualquier caso, el ROI se calcula fácilmente: una sola parada no planificada evitada amortiza varios años de coste de la plataforma de monitorización.