Estimación del tiempo de vida de una turbina a través de redes neuronales y árboles de decisión
Cargando...
Fecha
2024-02
Autores
Vázquez-Flores, Roberto C.
Título de la revista
ISSN de la revista
Título del volumen
Editor
ITESO
Resumen
Descripción
Al año 2024, gran parte de las industrias siguen basando sus programas de mantenimiento
en un esquema preventivo y correctivo. Sin embargo, este tipo de mantenimiento ha
demostrado no ser el más idóneo. Una alternativa que ha demostrado ser más eficiente es la
implementación del mantenimiento predictivo. Este tipo se mantenimiento se caracteriza
por el análisis de la información generada en el monitoreo de los equipos para crear modelos
que ayuden a predecir su comportamiento. Una de las industrias que ha considerado
introducir estos nuevos métodos predictivos para la prevención de fallos en las turbinas
aéreas es la industria aeroespacial. Con el objetivo de implementar un mantenimiento
predictivo en las turbinas aéreas, en este proyecto se propone la utilización de modelos
basados en árboles de decisión y redes neuronales para modelar la propagación del daño
dentro de los módulos de las turbinas de aviones y predecir el tiempo de vida restante de las
turbinas utilizando los datos provenientes del C-MAPSS. Con esta información, un operador
podrá tomar decisiones basadas en información para diseñar un mantenimiento predictivo
que ayude a evitar fallos inesperados. Para probar el desempeño de ambos modelos se
realizan varios experimentos y se calculan métricas que permiten evaluar la precisión y
confiabilidad de las predicciones generadas.
Palabras clave
C-MAPSS, Remaining Useful Life, Sensor, Redes Neuronales, Ciencia de Datos
Citación
Vázquez-Flores, R. C. (2024). Estimación del tiempo de vida de una turbina a través de redes neuronales y árboles de decisión. Trabajo de obtención de grado, Maestría en Ciencia de Datos. Tlaquepaque, Jalisco: ITESO.