Bueno saberlo

Turbit es un producto Software as a Service con un modelo de precios por módulo y por MW monitoreado. Pregunta a nuestros expertos para obtener una oferta personalizada.

La IA de Turbit funciona con tus datos SCADA, aprende el comportamiento normal de cada aerogenerador y detecta anomalías — desviaciones en la curva de potencia, deriva de temperatura en cojinetes, fallos en el generador, problemas en la caja de cambios — meses antes de que se conviertan en averías. Los operadores reducen el tiempo de inactividad no planificado en torno al 60% el primer año, recuperan producción perdida y convierten reparaciones sorpresa en mantenimiento planificado. Clientes en más de 3.500 aerogeneradores y 40+ carteras lo usan hoy.

La mayoría de operadores ven recuperación entre 12–18 meses. Dos fuentes que se refuerzan: (1) fallos de componentes evitados y tiempos de inactividad no planificados — una única sustitución del cojinete principal evitada puede pagar el año completo; (2) mejores condiciones de seguros cuando se incluye Turbit Blue, ya que la aseguradora cuenta la monitorización de IA como reducción de riesgo. Usa nuestras calculadoras de ROI (con acceso restringido; pregunta a tu contacto Turbit) para modelar tu flota específicamente.

Sí — los precios escalan por aerogenerador. Los operadores más pequeños típicamente comienzan con uno o dos parques, ven resultados en un trimestre y se expanden. No hay tamaño mínimo de cartera ni cuota de configuración más allá de la revisión de datos.

Sí — a través de un backtest. Ejecutamos la IA de Turbit en 3+ años de tus datos SCADA históricos (5+ años ideales) para tantos aerogeneradores como traigas, con una cuota única sin compromiso. Ves exactamente cuándo Turbit habría detectado los fallos que realmente tuviste, qué habría dicho la alarma y qué acciones habrían estado justificadas. Es la forma más clara de validar el sistema en tus propios activos antes de firmar un contrato de monitorización.

Entrenamos una red neuronal individual por aerogenerador en tus datos históricos, reproducimos la ventana temporal y te mostramos cada evento de detección que el sistema habría producido — severidad, predicción de causa raíz, la fecha en que habría disparado. Luego repasamos los eventos con tu equipo: cuáles eran ya conocidos, cuáles se pasaron por alto y qué habría podido hacer un equipo de O&M de forma diferente. El resultado es un documento de decisión, no una demostración de marketing.

3 años de histórico SCADA por aerogenerador es el mínimo; 5+ años es lo ideal. Aceptamos exportaciones de todos los principales fabricantes (Vestas, Siemens Gamesa, Nordex, Enercon, GE) y de plataformas AMS como Bazefield y Greenbyte. Si tus datos tienen lagunas, te lo diremos directamente si el resultado seguirá siendo concluyente.

Dos semanas desde la entrega de datos: ~1 semana de preparación de datos + entrenamiento por aerogenerador, después una llamada de revisión con nuestro equipo. Envía datos de flota e incidentes que quieras ver detectados; volvemos con un precio fijo y una fecha de evaluación objetivo.

Turbit entrena una red neuronal individual por aerogenerador en sus datos SCADA históricos — velocidad del viento, temperaturas, potencia, dirección. El modelo aprende el comportamiento normal de cada máquina y detecta desviaciones en tiempo real. Una segunda capa de IA clasifica cada anomalía por causa raíz probable y predice su relevancia. El feedback de clientes reentrena los modelos, así que la detección mejora con cada alarma confirmada. Lee el análisis profundo en nuestra página de Turbit AI Infrastructure.

Más de 35 modos de fallo distintos — daño en cojinete principal, problemas en bobinados del generador, problemas de lubricación en caja de cambios, fallos en convertidor de frecuencia, desalineación de pitch en palas, desalineación de yaw, deriva de curva de potencia por ensuciamiento, limitación del sistema de control, filtros de aceite obstruidos, ventiladores de refrigeración rotos y más. La cobertura depende de la calidad de tus datos; ejecutamos una revisión de datos gratuita antes de cualquier engagement para fijar expectativas.

Aproximadamente 5 alertas por 100 aerogeneradores por semana en una flota típica, con una tasa de falsos positivos inferior al 10%. Un equipo puede revisar 300 aerogeneradores en aproximadamente 30 minutos por semana. La latencia de detección es inferior a 4 horas desde que ocurre la anomalía.

Tres cosas. Primero, redes neuronales individuales por aerogenerador — no umbrales fijos o modelos de promedio de flota — así que detectamos desviaciones que los sistemas basados en promedios pierden. Segundo, predicción de causa raíz impulsada por IA y puntuación de relevancia en cada alarma, no solo un indicador. Tercero, la única plataforma del mercado con seguros integrados a través de Turbit Blue (HDI Global) — tu pila de monitorización y cobertura de riesgo en la misma capa de datos.

El entrenamiento de las redes neuronales de Turbit tarda menos de un día por aerogenerador. Una vez que se completan las comprobaciones de flujo de datos y mapeo de señales, toda la flota está en línea en una semana.

Lo ideal es 24 meses de SCADA por aerogenerador. Con menos, el aprendizaje por transferencia nos permite comenzar desde un mes — cobertura ligeramente menor inicialmente, refinada conforme llegan más datos. La página de requisitos de datos lista las señales exactas que cada módulo necesita.

No — Turbit es solo software y funciona con los datos SCADA que tus turbinas ya producen. Opcionalmente podemos ingerir datos de CMS / vibración de palas para una cobertura más rica, pero no se requiere hardware extra para empezar.

No — la vista EventCard está diseñada para equipos de O&M, no para científicos de datos. Cada alarma se presenta con una descripción en lenguaje plano, el gráfico relevante, la predicción de causa raíz de la IA y los pasos siguientes recomendados. Además, realizamos un taller de inicio y llamadas de Customer Success para que tu equipo tenga acceso directo a un ingeniero de Turbit.

El mapeo es crítico — señales incorrectas significan modelos incorrectos. Turbit utiliza analítica estadística y modelos de lenguaje para puntuar la identidad probable de cada señal, más verificaciones manuales donde la confianza es baja. Los mapeos suelen cambiar con el tiempo en el activo; Turbit detecta las anomalías resultantes automáticamente e identifica sensores congelados o mal nombrados.

Usar IA y modelos de machine learning para vigilar en tiempo real los datos de funcionamiento real de cada turbina, aprender sus patrones normales y predecir fallos de componentes antes de que ocurran. El resultado es menos paradas sorpresa, mantenimiento mejor cronometrado y mayor vida útil del activo.

SCADA estándar — potencia, velocidad del viento, temperaturas, presiones, códigos de estado — es la línea base. Datos de vibración / CMS, datos de sensores de palas, datos meteorológicos e historial de mantenimiento afilan la imagen. Turbit funciona con lo que tengas, con cobertura escalada a la calidad de los datos.

La limitación es un desafío conocido — un modelo que no ha visto operación reducida puede confundirla con un fallo. Los modelos por turbina de Turbit aprenden de los patrones de limitación reales de tus turbinas y tratan los eventos de limitación verificados como válidos (no anomalías). Para períodos offline prolongados, los modelos se pausan y reanudan el entrenamiento con la nueva ventana de funcionamiento.

Los FSA limitan la responsabilidad — históricamente en números que no se han mantenido al ritmo del tamaño de las turbinas. El corte de 12 meses de una turbina de 7 MW ahora supera los límites de responsabilidad típicos varias veces. La monitorización de Turbit atrapa problemas meses antes de que alcancen el umbral de intervención del FSA, permite a tu equipo verificar la respuesta del OEM y (con Turbit Blue) cierra la brecha de responsabilidad residual. Las matemáticas típicamente se mantienen incluso junto a un FSA existente.

Ambas. El mismo modelo que señala fallos en desarrollo también detecta bajo rendimiento — deriva de curva de potencia, desalineación de guiñada, errores de paso, ensuciamiento — que te cuesta producción. No emitimos comandos de control nosotros mismos; entregamos al operador una oportunidad cuantificada para actuar con el OEM o proveedor de servicios.

Esta es la ventaja central del modelado por turbina. Cada máquina tiene su propia huella de comportamiento normal — su historial, sitio, componentes, configuración de control. Las redes neuronales de Turbit aprenden esa huella, así que las desviaciones destacan limpias contra una línea base honesta en lugar de contra un promedio de la industria que no se ajusta.

Dos mecanismos. Primero, la capa de predicción de relevancia filtra previamente — alarmas por debajo del umbral de prioridad no llegan a tu bandeja. Segundo, tu retroalimentación reentrena los modelos: cada alarma confirmada o rechazada afina la sensibilidad para situaciones similares. La tasa de falso positivo se mantiene bajo el 10% en toda nuestra flota.

Sí — la mayoría de turbinas construidas después de 2005 tienen suficientes señales SCADA para monitoreo a nivel de componente. Las turbinas más nuevas con paquetes de sensores más ricos producen modelos más afilados, pero las señales de temperatura, presión y potencia por sí solas revelan la mayoría de problemas en desarrollo.

Depende del componente. Cojinetes principales: tendencia visible 1+ año antes de que sea necesaria acción (mira el Caso de éxito de VSB). Problemas de bobinado de generador: 3–6 meses. Problemas de lubricación de caja de cambios: semanas a meses. Daño de palas con datos de CMS: semanas. Cuanto más largo sea el tiempo de anticipación, más barato es el arreglo.

Trabajos diferentes. La predicción meteorológica maximiza la producción de turbinas saludables. El mantenimiento predictivo mantiene las turbinas saludables. Ambos importan — viento fuerte no es útil si una caja de cambios falla en mitad de la temporada.

Tres pasos en ~2 semanas: (1) verificación de datos + mapeo de señales (trabajamos con tu proveedor de IT o AMS; esfuerzo mínimo de tu equipo), (2) entrenamiento de modelo por turbina y prueba en seco, (3) taller de puesta en marcha con tu equipo de O&M. Después de la incorporación, el compromiso típico es 30 minutos por semana por cada 100 turbinas — revisa las alertas, marca relevancia, programa acciones. Customer Success está en una llamada semanal o quincenal hasta que tu equipo sea independiente.

Alarmas en directo en la aplicación web de Turbit, con EventCards (gráfico + narrativa en inglés claro + predicción de causa raíz + acción recomendada). Notificaciones por correo electrónico para eventos de alta prioridad. Informes mensuales de cartera para gestores de activos. Informes de análisis profundo por aerogenerador bajo demanda. Acceso a API para integración con tu stack de informes. Todos los resultados incluyen los datos subyacentes para que tu equipo de ingeniería pueda verificar los hallazgos.

La latencia de detección es inferior a 4 horas desde el punto de datos que la dispara. Las notificaciones se envían por correo electrónico por defecto; configurables por usuario, por gravedad y por aerogenerador. Las alertas aparecen en el portal web de Turbit en tiempo real y también se exponen a través de API para integración con sistemas de tickets existentes.

Sí — Vestas, Siemens Gamesa, Nordex, Enercon, GE, Senvion, Goldwind y otros. Turbit solo necesita datos SCADA, que están estandarizados en toda la industria. Hemos desplegado en carteras mixtas de OEM; la misma cuenta de Turbit las gestiona en una única vista.

No — Turbit es de solo lectura en datos SCADA y nunca emite comandos de control. No hay implicación de garantía. En la práctica, a los OEM les encanta: la evidencia clara de un problema en desarrollo les permite programar mantenimiento en lugar de recibir llamadas para reparación de emergencia. Hemos trabajado junto a Vestas, Siemens Gamesa, Nordex, Enercon, GE y SAB sin una sola preocupación de garantía.

Cada aerogenerador obtiene su propia red neuronal entrenada con sus propios datos — independiente del OEM. La vista de cartera de Turbit muestra flotas mixtas en un único panel de control. La capa de mapeo de señales maneja la nomenclatura de etiquetas específica del OEM para que tu equipo no vea la diferencia.

Extraemos datos de cualquier AMS importante — Bazefield, Greenbyte, Bax Energy, WIS, Rotorsoft, WEO y otros — a través de interfaces estándar (OPC, IEC 61400-25, REST, exportaciones basadas en ficheros). Para conexiones directas con turbinas soportamos OPC DA/UA e IEC 61850/60870. Los protocolos personalizados suelen ser cuestión de pocos días de trabajo.

Un producto de integración de seguros que usa la monitorización de IA de Turbit como capa de reducción de riesgos. Cierra la brecha entre el límite de responsabilidad de tu acuerdo de servicio completo y el coste real de una parada de componente de 12 meses en aerogeneradores modernos — una brecha que ha crecido de ~30 000 EUR por aerogenerador en 1995 a más de 1,3 millones EUR para activos de 7 MW. Disponible con Turbit Monitoring; hasta 30 % menor coste total frente a la alternativa típica.

Los FSA limitan la responsabilidad — normalmente alrededor del 100–115 % de la tarifa de servicio anual. Los costes de parada de aerogeneradores modernos superan ese límite en un solo fallo importante de componente. Turbit Blue cubre la exposición residual: la diferencia entre lo que paga el FSA y lo que te cuesta realmente una parada de componente de varios meses. Dos variantes de producto — AI Add-On (seguros de brecha encima de un FSA) e IA Full Coverage (alternativa FSA + paquete de seguros).

HDI Global SE asegura aerogeneradores que tienen Turbit Blue. Turbit no es un corredor y no vendemos seguros nosotros mismos; proporcionamos la capa de monitorización de IA que hace que el seguro sea económicamente viable. HDI es una aseguradora con calificación global con amplia experiencia en suscripción de energías renovables.

Monitorización sin seguros — sí, ese es nuestro despliegue más común. Seguros sin monitorización — no; la capa de IA es lo que HDI cuenta como reducción de riesgos en la suscripción, y es cómo funciona la matemática. Comienza con monitorización; añade Turbit Blue cuando tu renovación de FSA esté en el horizonte.

A menudo, sí — incluso sin Turbit Blue. Los aseguradores ofrecen cada vez más mejores condiciones a operadores con monitorización predictiva demostrada; la reducción de riesgo comprobada reduce el riesgo y así puede aumentar la cobertura o reducir la prima. Algunos operadores descubren que el ahorro en seguros solo compensa el coste del sistema de monitorización y más allá pueden ahorrar hasta 30 % del OPEX.

Todos los datos residen en centros de datos con certificación ISO 27001 ubicados en la UE (sin bloqueo de hiperscaler; hosting bare-metal). Cifrados en tránsito (TLS) y en reposo. Los datos del cliente se aíslan lógicamente por inquilino y nunca se combinan para entrenamiento de modelos entre clientes sin consentimiento explícito. La descripción completa de seguridad está en nuestra página /compliance.

Turbit está en el proceso activo de certificación ISO/IEC 27001, esperado completar en Q1 2026. Las políticas internas, controles y auditorías ya están en su lugar para cumplir la norma. La mayoría de nuestros clientes se clasifican a sí mismos como infraestructura crítica — trabajamos para sus requisitos cada día.

RGPD: procesamos datos operacionales y SCADA, no datos personales; los contactos comerciales de los clientes se almacenan solo según sea necesario para soporte. Tu residencia de datos es solo en la UE. Ley de IA de la UE: Turbit Monitoring se clasifica como riesgo mínimo/limitado (sin control autónomo crítico para la seguridad), con transparencia, explicabilidad y supervisión humana integradas en cada detección. Los DPA y descripciones de seguridad están disponibles bajo solicitud.

Turbit es propiedad de sus fundadores Michael Tegtmeier (CEO) y Christian Fontius (CRO), con respaldo de Vinci Venture Capital y Business Angels reconocidos. Independiente — ningún operador, OEM ni asegurador tiene una participación mayoritaria.

La firma es un aumento de temperatura lento y sostenido en relación con lo que el cojinete debería estar funcionando para la velocidad del viento, potencia y condiciones ambientales dadas — no un umbral absoluto. Esa distinción importa: un cojinete que funciona caliente en una tarde calurosa a potencia nominal es normal, y la misma lectura en una mañana fresca a carga parcial no lo es. Turbit aprende la propia relación de cada turbina entre carga, clima y temperatura del cojinete, y luego marca las desviaciones sostenidas de ella. Porque la deriva se desarrolla durante semanas o meses, este es uno de los modos de fallo donde la detección temprana cambia más el resultado: un cambio de cojinete planificado y uno no planificado son números muy diferentes. Ejemplo práctico con datos reales: /wind-turbine-failures/main-bearing-temperature-rise

Algunos modos de fallo de la caja de engranajes, sí — los problemas de lubricación, el atascamiento del filtro de aceite, la degradación del circuito de refrigeración y las firmas de temperatura que siguen se ven en datos SCADA, porque cambian el comportamiento térmico de la caja de engranajes antes de que cambien nada en lo que el controlador alarma. Los defectos de diente de engranaje y de engranaje son otra cosa: son fenómenos de vibración, y un CMS de vibración con acelerómetros en el tren de potencia es el instrumento mejor para confirmarlos y caracterizarlos. La posición honrada es que el análisis SCADA amplía la cobertura a cada turbina sin hardware, y la vibración añade profundidad en el tren de potencia específicamente. Si el riesgo de la caja de engranajes es tu principal preocupación y ya tienes hardware de vibración, los dos son complementarios en lugar de competitivos.

Los fallos de bobinado y la degradación del cojinete del generador dejan huellas térmicas y eléctricas en SCADA mucho antes de que se declare un fallo — típicamente una asimetría o deriva que solo se hace visible una vez que sabes qué ese generador específico hace normalmente bajo condiciones de carga y ambientales comparables. Turbit modela cada generador individualmente en lugar de compararlo con un promedio de flota, lo que es lo que hace que unos pocos grados de desviación inexplicada sean significativos en lugar de ruido. Dos ejemplos prácticos con datos reales: /wind-turbine-failures/generator-winding-fault y /wind-turbine-failures/generator-bearing-temperature-rise

En parte, y vale la pena ser preciso sobre el límite. El desalineamiento de inclinación de palas, el ensuciamiento y la acumulación de hielo cambian la curva de potencia, así que el análisis SCADA los detecta — y son comunes, costosos y fáciles de pasar por alto porque la turbina sigue funcionando. El daño estructural de palas — grietas, delaminación, daño por rayo — no se ve de forma fiable en SCADA en absoluto, porque una pala dañada puede producir una curva de potencia normal hasta que no lo hace. Eso necesita el producto de monitorización de palas, que utiliza sensores de vibración en las palas mismas. Si tu preocupación es la integridad estructural de palas, el análisis SCADA no es el instrumento correcto y nosotros te lo diríamos.

El método no depende de dónde esté la turbina: necesita datos SCADA, y las turbinas offshore los producen. La economía cambia a nuestro favor en lugar de en contra — el acceso offshore es caro y depende del clima, así que saber sobre un fallo desarrollándose semanas por adelantado vale considerablemente más que onshore, donde un técnico puede salir con poco aviso. Lo que es genuinamente diferente offshore es el contexto que lo rodea: el transporte y la planificación de buques alrededor de cualquier intervención, y el nivel más alto de evidencia antes de que se programe una campaña. Si estás evaluando para una cartera offshore, pregúntanos directamente en lugar de asumir a partir de una referencia onshore — el análisis se transfiere, el cuadro operativo que lo rodea merece una conversación específica.

Responden preguntas diferentes, y muchas carteras ejecutan ambos. Un CMS de vibración coloca acelerómetros en el tren de potencia y ve defectos de cojinete y engranaje con alta especificidad — es el instrumento mejor para confirmar y caracterizar un problema de tren de potencia conocido. El análisis SCADA utiliza datos que cada turbina ya produce, así que cubre toda la máquina y toda la flota sin hardware: anomalías de potencia, deriva de temperatura, control y fallos de alineación, y componentes a los que ningún sensor de vibración está conectado. La diferencia práctica es cobertura versus profundidad. Si no tienes monitorización en absoluto, el análisis SCADA cubre más turbinas por menos dinero y no necesita visita de sitio. Si ya tienes hardware de vibración en el tren de potencia, el análisis SCADA es lo que cubre todo lo que los sensores no hacen.

Alcance e incentivo. Un sistema OEM monitoriza su propia flota contra sus propios umbrales, lo que es genuinamente útil y también significa que la parte evaluando un fallo desarrollándose es la parte que puede ser responsable de repararlo. Una capa independiente lee los mismos datos SCADA en cada fabricante en tu cartera, así que flotes multiOEM aparecen en una vista con un conjunto de convenciones, y la evaluación que llevas a una negociación de servicio no es producida por tu contraparte. Es aditiva en lugar de un reemplazo: Turbit es de solo lectura y no emite órdenes de control, así que se coloca al lado de la monitorización OEM en lugar de desplazarla.

Una plataforma de cartera está construida para agregar e informar: recoge SCADA, calcula disponibilidad y producción, y te muestra lo que pasó. La monitorización de condición está construida para predecir: aprende el comportamiento normal de cada turbina e marca la desviación antes de que se convierta en un fallo. La mayoría de plataformas exponen alarmas de umbral que el controlador de turbina ya levantó, que es una cosa diferente de detectar deriva que el controlador no considera anormal aún. En la práctica los dos se componen bien — la plataforma sigue siendo tu sistema de registro de información, y los hallazgos de monitorización llegan vía API o correo electrónico al flujo de trabajo que ya usas.

Tres rutas, y la mayoría de operadores usan más de una. (1) Notificaciones por correo electrónico, configurables por usuario, por severidad y por turbina — el valor predeterminado, y suficiente para la mayoría de equipos. (2) La aplicación web de Turbit, donde cada hallazgo llega como una EventCard: el gráfico, una narrativa en inglés liso, una predicción de causa raíz y una acción recomendada. (3) Nuestra API, que expone cada alerta para que puedas empujarla a tu propio ticketing, informes o pila de gestión de activos. La latencia de detección es inferior a cuatro horas desde el punto de datos que dispara una alerta, así que cualquiera que sea la ruta que uses, el hallazgo te llega el mismo día.

No como un conector nativo preconstruido en cada AMS — exponemos alertas a través de nuestra API y tú decides dónde caen. Eso es deliberado: los equipos difieren en si un hallazgo de Turbit debe abrir un ticket, actualizar una orden de trabajo existente, o sentarse en una cola de revisión primero, y un conector que adivina mal crea ruido en el sistema en que confías. Si quieres alertas fluyendo a tu AMS o herramienta de ticketing, la API es la ruta, y es un pequeño trabajo de tu lado en lugar de un proyecto de Turbit.

Las interfaces estándar son rápidas: OPC (DA/UA), IEC 61400-25, IEC 61850/60870, Modbus, acceso a bases de datos SQL, o exportaciones basadas en ficheros sobre FTP o correo electrónico. Donde nos conectamos a un AMS en lugar de las turbinas directamente, leemos desde la plataforma que ya ejecutas. Un protocolo personalizado o inusual suele ser cuestión de pocos días de trabajo. Lo que necesitamos de ti es acceso de lectura a datos SCADA — Turbit nunca emite órdenes de control, así que no hay interacción con control de turbina y ninguna implicación de garantía.