Comparación de estrategias de "machine learning" para la clasificación de fallas en un sistema de manufactura

• Abner Birzabith Montejano Leija ^[1] ; Elvia Ruiz Beltrán ^[1] ; Jorge Luis Orozco Mora ^[1] ; Jorge Octavio Valdés Valadez ^[1]
  1. [1] Tecnológico Nacional de México

     Tecnológico Nacional de México

     México

     
• Localización: ATICA 2023: Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas y Accesibilidad: Instituto Tecnológico de Aguascalientes (México), del 18 al 20 de octubre de 2023 / coord. por Luis Bengochea Martínez, Ricardo Mendoza González, Salvador Otón Tortosa , 2023, ISBN 978-84-19745-85-9, págs. 125-128
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • Uno de los más grandes problemas que existen dentro de la industria son las fallas inesperadas en los equipos. Estas fallas resultan en una gran pérdida para las empresas debido a los tiempos de paro, tiempos que se pueden prolongar indefinidamente por varios factores como lo es la falta de refacciones o herramientas necesarias para la corrección de estas fallas. La forma de reducir el tiempo de paro ocasionado por estas fallas es tratar de anticiparse a éstas y actuar lo antes posible, esto se logra con el análisis de datos obtenidos a partir del monitoreo del equipo y un plan de mantenimiento predictivo adecuado. En este trabajo se compara el rendimiento de distintos algoritmos de Machine Learning al ser aplicados en un conjunto de datos que simula el comportamiento de un sistema industrial para la clasificación de diversas fallas. Esto con el propósito de, con base en ciertas métricas de evaluación, seleccionar los algoritmos que mejores resultados obtengan para, en trabajos posteriores, aplicarlos en laclasificación de fallas de un sistema real y poder considerar esta opción como parte del mantenimiento predictivo dentro de la industria.