Detección y prognosis de anomalías aplicada a máquinas industriales
El empleo de técnicas de minería de datos y aprendizaje automático en el marco industrial, aplicada sobre la maquinaria que conforma los procesos, supone un ahorro importante en los costes de mantenimiento, así como un alto impacto sobre la producción gracias a la detección temprana de problemas que...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/99187 |
| Acceso en línea: | http://hdl.handle.net/10609/99187 |
| Access Level: | acceso abierto |
| Palabra clave: | industrial machines anomaly detection failure prediction maquinas industriales detección de anomalías predicción de fallos màquines industrials detecció d'anomalies predicció d'errors Data mining -- TFM Mineria de dades -- TFM Minería de datos -- TFM |
| Sumario: | El empleo de técnicas de minería de datos y aprendizaje automático en el marco industrial, aplicada sobre la maquinaria que conforma los procesos, supone un ahorro importante en los costes de mantenimiento, así como un alto impacto sobre la producción gracias a la detección temprana de problemas que provoquen indisponibilidades de estos equipos. Mediante la identificación de eventos anómalos acontecidos sobre estos equipos a lo largo de sus datos históricos de operación, se persigue el objetivo de predecirlos a futuro con la suficiente antelación y confianza, que permita planificar la reparación o sustitución del equipo previamente al fallo, con un coste económico más reducido. Además, la obtención de un índice de salud que mida el rendimiento de las máquinas resulta fundamental para planificar acciones de reparación sobre las mismas. El proyecto se ha planteado sobre un conjunto de datos de más de 2 millones de registros con información sobre el funcionamiento de 1900 máquinas durante varios años de operación. |
|---|