Monitorización inteligente del estado de rodamientos basada en técnicas de aprendizaje automático

Abstract

En la actualidad, los procesos de fabricación están adoptando nuevas soluciones basadas en la aplicación de técnicas de aprendizaje automático, que permiten llevar a cabo la monitorización de los procesos en tiempo real, la parametrización y la autoconfiguración óptimas de máquinas, robots y procesos industriales, desde equipos individuales hasta entornos de producción global. Este trabajo presenta la aplicación de dos arquitecturas de redes neuronales, una de aprendizaje supervisado, el perceptron multicapa (MLP), y otra de aprendizaje no supervisado, los mapas auto-organizados (SOM) y algoritmos evolutivos para la optimización de los parámetros de dichas arquitecturas, con vistas a la monitorización del estado de los rodamientos. Finalmente, se evalúa el potencial de ambas técnicas a través de un caso de estudio, en el que se obtienen cifras de mérito o índices de comportamiento muy positivos.