CLASIFICADORES ESTADÍSTICOS E INTELIGENCIA ARTIFICIAL COMO SOPORTE AL PROCESO DE APRENDIZAJE DEL MANTENIMIENTO BASADO EN LA CONDICIÓN

Autores/as

  • Héctor Fredy Cardona Puerta
  • Raúl Esteban Jiménez Mejía
  • Jonny Valencia Franco

Palabras clave:

inteligencia artificial, mantenimiento basado en condición, clasificadores estadísticos, entrenamiento de algoritmos, análisis de vibraciones, análisis de señales eléctricas, sistemas expertos, sistemas complejos

Resumen

La inteligencia artificial ha jugado un papel fundamental en el entrenamiento de máquinas y sistemas expertos dentro de los diferentes campos de la ingeniería, facilitando los procesos de diagnóstico y operación de sistemas complejos. En particular, desde la adopción de procesos de mantenimiento predictivo en los elementos de las líneas de producción industrial, la inteligencia artificial se convirtió en la herramienta fundamental para la determinación de las condiciones de operación de sistemas y máquinas complejas, y hoy en día fundamenta la tendencia del mantenimiento basado en la condición. A partir del desarrollo acelerado de los sistemas de instrumentación, la aparición de sensórica de bajo costo y los sistemas de procesamiento distribuido, se ha facilitado su aplicación en la industria y se está convirtiendo en un requerimiento dentro de las estrategias de mantenimiento y la caracterización de elementos críticos dentro de las cadenas de valor y producción industrial.

En este artículo se presenta una metodología para la incorporación de los conceptos de: mantenimiento predictivo y por condición en máquinas eléctricas rotativas de baja tensión, mediante análisis de vibración y señales eléctricas no invasivas, a partir de la implementación de algoritmos de inteligencia artificial con aprendizaje supervisado y no supervisado. El trabajo comprende la fundamentación de los procesos y procedimientos de medición de vibraciones, la interpretación de las señales y su correspondiente normativa. Posteriormente, se implementan clasificadores estadísticos mediante herramientas computacionales libres como WEKA, donde se identifican correlaciones entre las diferentes variables. En este punto se retoman los procesos de modelado fenomenológico y se asocian dichas correlaciones estadísticas a fundamentaciones físicas. Finalmente, el entrenamiento en diferentes escenarios de falla controladas y no controladas determina nuevas clasificaciones estadísticas que alimentan nuevamente el proceso. Esta metodología es utilizada en las aulas de mantenimiento industrial del centro de la Innovación, Agroindustria y la Aviación del SENA con los aprendices y ha logrado permear el entendimiento de sistemas complejos a partir del apoyo de clasificadores estadísticos basados en datos.

La metodología ha permitido avanzar rápidamente en la interpretación de escenarios de falla típicos a partir de mediciones en diferentes puntos de la máquina eléctrica, transmitiendo las herramientas de diagnóstico básico a los aprendices, además de la inmersión en el desarrollo y entrenamiento de sistemas expertos. Una de las ventajas identificadas mediante el presente proceso es la asociación fenomenológica de los eventos y correlaciones estadísticas, lo que permite concientizar técnicamente de los fenómenos eléctrico-mecánicos involucrados en las maquinarias bajo estudio.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2019-08-31

Cómo citar

[1]
H. F. . Cardona Puerta, R. E. . Jiménez Mejía, y J. . Valencia Franco, «CLASIFICADORES ESTADÍSTICOS E INTELIGENCIA ARTIFICIAL COMO SOPORTE AL PROCESO DE APRENDIZAJE DEL MANTENIMIENTO BASADO EN LA CONDICIÓN», EIEI ACOFI, ago. 2019.

Evento

Sección

Enseñanza de la ingeniería