Sistemas de monitorización del estado de máquinas/dispositivos de fabricación basados en estrategias de aprendizaje automático

Resumen

Actualmente, una de las medidas más importantes del mantenimiento predictivo de maquinaria industrial en el sector de fabricación es la estimación de la vida útil restante (RUL). Con el fin de predecir el RUL actualizado y clasificar las fallas ocurridas en estos dispositivos, este artículo propone la implementación de un entorno de monitorización en línea basado en condiciones para el pronóstico de fallos. Este marco consta de una biblioteca de modelos basada en aprendizaje automático (ML) para la estimación del RUL con la capacidad de determinar el estado en línea de múltiples componentes electrónicos críticos. El concepto en línea se refiere a no necesitar desconectar el componente eléctrico cuando se está evaluando su estado. Para validar este marco, se presenta un caso particular considerando un componente electrónico crítico, como son los condensadores electrolíticos en convertidores de potencia DC/DC. La evaluación experimental se centra en emular conceptualmente las condiciones reales mediante el uso de un conjunto de datos experimentales. Los resultados confirman un gran rendimiento en modelos de estimación basados en ML para la predicción del RUL en condiciones reales.