Modelamiento basado en datos para la detección de fallos en una bomba hidráulica centrífuga multietapa vertical a partir de señales multimodales en condición normal
Abstract:
El avance tecnológico en los últimos años ha permitido el desarrollo de herramientas cada vez más avanzadas empleadas en distintos campos dentro de la industria. Uno de los campos que más se ha beneficiado con estos avances ha sido el mantenimiento basado en la condición el cual se enfoca en monitorizar la condición operativa de las máquinas, equipos y sistemas de la planta para optimizar el funcionamiento total de esta. Para lograr este cometido una de las tareas que se realiza es la detección y diagnóstico de fallos, siendo la detección la primera tarea realizar. Una vez detectado el fallo se procede con el diagnostico en el cual se somete las características y los cambios producidos en la planta a un procedimiento de clasificación, con el fin de determinar el tipo y severidad del fallo, la localización del mismo, así como la causa por la cual se produjo. Para lograr dichas tareas se han desarrollado distintos métodos y técnicas que combinan el procesamiento de datos, el análisis estadístico y la creación de modelos matemáticos capaces de estimar el comportamiento del sistema. Es así como en el presente trabajo se propone una metodología para la creación de modelos de detección de fallo a partir de señales multimodales en condición normal de una bomba hidráulica centrífuga multietapa vertical. Esta metodología está enfocada a utilizar solamente señales adquiridas en estado normal de la bomba centrífuga, debido que en la mayoría de sistemas es complicado adquirir señales en estado con falla o simplemente no se puede adquirir dichas señales por la naturaleza del sistema.
Año de publicación:
2020
Keywords:
Fuente:


Tipo de documento:
Other
Estado:
Acceso abierto
Áreas de conocimiento:
- Hidráulica
- Aprendizaje automático
Áreas temáticas:
- Física aplicada