MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
Conclusiones
Las señales causadas por vibraciones de mayor energía presentan frecuencias cercanas o igual a la de rotación de la máquina. Además , pueden aparecer frecuencias de excitación a 2, 3 ,4 ,etc. veces del rpm rotante que se llaman armónicas (2x,3x,4x). Asi las frecuencias vibratorias específicas de los elementos nos ayudan a comprender el origen del problema, mientras que la amplitud nos indican la gravedad de los mismos.
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO PREDICTIVO
SISTEMAS DE DIAGNOSTICO
MANTENIMIENTO INDUSTRIAL
DIAGNOSTICO BASADO EN MODELOS:
Independientemente de la técnica de control utilizado se puede emplear el diagnostico empleando modelos. Estos modelos se emplean para generar salidas que mediante un análisis posterior permiten determinar la ocurrencia de un fallo o el cambio a un estado que es previo a la ocurrencia del fallo.
Las posibilidades de hacer un diagnostico es generar mediante dicho modelo las series que son captadas con los sensores que funcionan en el sistema el cual se está estudiando.
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO PREDICTIVO BASADO EN SISTEMAS EXPERTOS
Los sistemas Expertos son una parte de la Inteligencia Artificial que es una rama de la informática que intenta conseguir que los ordenadores simulen la inteligencia humana. Estos sistemas son programas de computación interactivos que contiene la experiencia, conocimiento y habilidades propias de una persona o grupos de personas, que son especialistas en esta especialidad de Mantenimiento Industrial, de manera que permiten resolver problemas específicos de manera inteligente y satisfactoria.
Los dos componentes de cualquier Sistema Experto son una “Base de Conocimientos” y un “Programa de Inferencia” , también llamado “Motor de Inferencias”. Estos programas de Inferencia manejan información almacenada en la base de datos y mediante procesos de búsqueda y comparación de patrones.
MANTENIMIENTO INDUSTRIAL
En el campo del Mantenimiento Predictivo los Sistemas Expertos se utilizan fundamentalmente como herramientas de diagnostico. Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipándose a los posibles incidentes que pudieran acontecer. Así, usando un modelo computacional del razonamiento de un experto humano, proporciona los mismos resultados que alcanzaría dicho experto.
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO BASADO EN REDES NEURONALES(RNA)
Las redes neuronales artificiales son como una representación del cerebro humano que intenta simular su proceso de aprendizaje. Siendo el termino artificial que nos indica que estas redes se implementan en una computadora(ordenador) que es capaz de hacer un gran numero de operaciones que conlleva el proceso de aprendizaje.
Las RNA tienen un gran número de procesadores artificiales virtuales interconectados que de forma simplificada simulan la funcionalidad de neuronas biológicas. Estas se modelan mediante un mecanismo de pesos, que son ajustados durante la fase denominada de “Aprendizaje”. Por otra parte en una RNA , además de los pesos y las conexiones , cada memoria tiene asociada una función matemática denominada Función de Transferencia. Dicha función genera la señal de salida de la neurona a partir de las señales de entrada.
MANTENIMIENTO INDUSTRIAL
Componentes de una Red Neuronal Artificial
Existen una gran variedad de redes neuronales, todas ellas tienen una estructura común. Al igual que en el cerebro humano, una red neuronal esta formada por neuronas y las conexiones entre ellas. La neuronas intercambian información entre ellas a través de las conexiones que las unen. Estas conexiones están caracterizadas por un parámetro llamado peso y que sirve para dar más importancia a unas conexiones frente a otras.
Una red neuronal tiene una configuración tal que dispone de una serie de neuronas de entrada , a través de interconexiones emite una salida, esta viene dada por tres funciones: 1) Función Propagación/Excitación, 2) Función Activación , 3) Función de Transferencia.
MANTENIMIENTO INDUSTRIAL
ESTRUCTURA GENERAL DE NEURONA ARTIFICIAL
En el campo del Mantenimiento Predictivo las Redes Neuronales pueden ser empleadas de diversos modos. Pueden usarse para modelar un sistema en cuestión, de modo que pueda hacerse una comparación entre salidas del sistema y las de la red neuronal. Las discrepancias pueden ser un indicativo de un funcionamiento anómalo del sistema. También puede usarse su capacidad para discernir la pertenencia a una clase u otra de los datos que llegan a la Red. Otra manera de emplear las redes neuronales es predecir las salidas futuras de una serie determinada, de manera que sea posible anticiparse a los fenómenos que pudieran ocurrir en el sistema.
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO INDUSTRIAL
APLICACIONES DE REDES NEURONALES
Las RNA han sido aplicadas a un número en aumento de solución de problemas en la vida real y atacando temas de complejidad, donde la mayor ventaja es la solución a casos complicados para la tecnología actual, tratándose de situaciones que no tienen solución algorítmica o cuya solución es muy compleja para ser encontrada.
Detallamos que el éxito de la aplicación de estas redes RNA reside en el procesado paralelo, adaptativo y no lineal. Las RNA han encontrado muchas aplicaciones en la visión artificial, procesado de imágenes y señales, reconocimiento del habla, control de robots, inspección industrial y exploración científica. El dominio de aplicación de la RNA se puede clasificar de la siguiente forma; asociación, clasificación, regeneración de patrón, regresión y generación y optimización.
MANTENIMIENTO INDUSTRIAL
USOS DE RNA
Clasificación de Patrones
Aproximación de funciones
Mapeo
En lo que exista información imprecisa con tolerancia a fallos
Aprendizaje Adaptativo
Autoorganización
Tolerancia a Fallos
Operación en tiempo real
Fácil construcción de circuitos integrados
MANTENIMIENTO INDUSTRIAL
 Página anterior | Volver al principio del trabajo | Página siguiente  |