Introducción: ¿Por qué necesitamos la FFT?

Un motor eléctrico acoplado a una bomba centrífuga puede generar simultáneamente vibraciones por desbalance, desalineación, defectos en rodamientos e incluso problemas hidráulicos. La forma de onda captada por el sensor muestra una señal compleja, con todas estas oscilaciones superpuestas al mismo tiempo. Ver esa señal en el dominio del tiempo y tratar de separar cada contribución manualmente sería prácticamente imposible.

La Transformada Rápida de Fourier (FFT, por sus siglas en inglés) es un algoritmo que permite calcular de forma eficiente la Transformada Discreta de Fourier (DFT), convirtiendo una señal en el dominio del tiempo en un espectro de frecuencias fácil de interpretar. El resultado es el espectro de vibración, una de las herramientas más poderosas con las que trabaja un analista de condición.

Actualmente, la FFT constituye la base de la mayoría de los programas de monitoreo basado en condición y es el punto de partida del diagnóstico de maquinaria rotativa.

¿Qué puede detectar una FFT?

El espectro obtenido mediante FFT permite identificar patrones asociados a las fallas mecánicas más comunes en maquinaria rotativa:

• Desbalance del rotor
• Desalineación de ejes
• Defectos en rodamientos (BPFO, BPFI, BSF, FTF)
• Problemas en engranajes (frecuencia de engrane y bandas laterales)
• Holgura mecánica, a través de armónicos múltiples
• Resonancia estructural

Cada una de estas condiciones se desarrolla con mayor detalle en los artículos correspondientes de esta serie.

Del dominio del tiempo al dominio de la frecuencia

La vibración de una máquina puede analizarse desde dos perspectivas diferentes.

En el dominio del tiempo se observa cómo cambia la amplitud de la vibración a medida que transcurre el tiempo. Esta representación permite identificar impactos, fenómenos transitorios y variaciones en el comportamiento dinámico de la máquina.

En el dominio de la frecuencia, en cambio, se muestra qué frecuencias componen esa misma señal y con qué amplitud participa cada una de ellas. Esta representación facilita enormemente el diagnóstico, ya que muchas fallas mecánicas generan componentes de frecuencia bien definidas que pueden asociarse directamente con su origen.

La forma de onda y el espectro describen la misma señal desde perspectivas diferentes. Ninguna reemplaza a la otra; ambas se complementan.

¿Qué es la Transformada Rápida de Fourier (FFT)?

La Transformada Rápida de Fourier (FFT) es el algoritmo que permite calcular de forma eficiente la Transformada Discreta de Fourier (DFT), descomponiendo una señal de vibración en las frecuencias que la componen. Gracias a ello, el analista puede identificar y estudiar por separado las distintas componentes presentes en la máquina, convirtiendo una señal compleja en un espectro útil para el diagnóstico.

Cómo interpretar un espectro de vibración

Una vez obtenida la FFT, el siguiente paso consiste en interpretar correctamente el espectro.

Frecuencia

El eje horizontal representa la frecuencia de las vibraciones, normalmente expresada en Hertz (Hz), revoluciones por minuto (RPM) o múltiplos de la velocidad de giro. Cada frecuencia puede asociarse con un fenómeno físico específico dentro de la máquina, lo que convierte al espectro en un mapa del comportamiento dinámico del equipo.

Amplitud

El eje vertical indica la amplitud o intensidad de la vibración. Dependiendo del parámetro seleccionado, puede expresarse como desplazamiento, velocidad o aceleración. La elección correcta del parámetro depende del tipo de máquina y de la frecuencia de la falla que se está investigando.

Armónicos

Además de la componente principal de la velocidad de giro (1X), un espectro puede contener otros picos cuya posición respecto a esa velocidad aporta información valiosa para el diagnóstico. Como se observa en la figura, las componentes espectrales suelen clasificarse en sub-síncronas, síncronas y no-síncronas.

Las componentes síncronas corresponden a múltiplos enteros de la velocidad de giro (2X, 3X, 4X, 5X, etc.) y se conocen como armónicos. Su presencia, cantidad y distribución pueden aportar información importante sobre el estado de la máquina. Mientras una componente dominante en 1X suele asociarse al desbalance, la aparición de múltiples armónicos puede orientar el diagnóstico hacia holguras mecánicas, desalineaciones severas, rozamiento o problemas en engranajes.

Las componentes sub-síncronas aparecen por debajo de la velocidad de giro y suelen relacionarse con fenómenos como inestabilidades dinámicas, resonancias, rozamiento o problemas en cojinetes hidrodinámicos. Por su parte, las componentes no-síncronas no guardan una relación entera con la velocidad de giro y pueden corresponder a frecuencias características de rodamientos, frecuencias de engrane u otros fenómenos específicos de la máquina.

Es importante recordar que ninguna componente del espectro debe interpretarse de forma aislada. El diagnóstico siempre requiere analizar el conjunto del espectro, las tendencias históricas, las condiciones de operación y el conocimiento de la cinemática de la máquina.

Aplicaciones prácticas de la FFT en el diagnóstico

La interpretación del espectro permite asociar determinados patrones con fallas mecánicas específicas. Algunos de los más comunes se resumen en la siguiente tabla.Referencia rápida

Falla	Comportamiento típico
Desbalance	1X dominante
Desalineación	1X + 2X
Holgura	Armónicos múltiples
Rodamientos	BPFO, BPFI, BSF, FTF
Engranajes	GMF + bandas laterales

Estos patrones constituyen hipótesis de diagnóstico y siempre deben interpretarse junto con la forma de onda, las condiciones de operación, el conocimiento de la máquina y otras herramientas de diagnóstico. Cada uno de ellos se desarrolla con mayor profundidad en los artículos correspondientes de esta serie.

Limitaciones de la FFT

La FFT es una herramienta extremadamente poderosa, pero conocer sus limitaciones es tan importante como saber utilizarla.

Pérdida de información temporal: al transformar la señal al dominio de la frecuencia se pierde información sobre el instante exacto en que ocurren los eventos. Fenómenos transitorios, impactos de corta duración o condiciones que aparecen solo bajo determinadas cargas pueden no quedar bien representados en el espectro. Para estos casos, la forma de onda temporal y técnicas como el análisis de envolvente son más adecuadas.

Dependencia de la configuración de medición: la calidad del espectro depende directamente de factores como la frecuencia de muestreo, la resolución espectral y el tipo de ventana aplicada durante el cálculo. Una configuración incorrecta puede generar artefactos como la fuga espectral (descrita con más detalle en el artículo sobre forma de onda) o resolución insuficiente para identificar frecuencias cercanas entre sí.

Resolución espectral: frecuencias muy próximas entre sí pueden no separarse correctamente cuando la resolución espectral es insuficiente.

Riesgo de sobreinterpretación: el espectro puede mostrar componentes de frecuencia que no corresponden a ninguna falla real, sino a artefactos matemáticos, ruido eléctrico o características propias del proceso. Interpretar cada pico espectral como una falla es uno de los errores más comunes entre analistas con poca experiencia.

Un diagnóstico confiable siempre complementa la FFT con la forma de onda, las tendencias históricas, otras técnicas de monitoreo y el conocimiento profundo del comportamiento mecánico del equipo.