Implementación de un sistema de diagnóstico inteligente de fallas de motores de inducción trifásicos mediante análisis vibracional integrando tecnología LoRaWAN para la máquina CNC de empaques de poliuretano de SICAL Ingeniería

El mantenimiento de motores de inducción trifásicos presenta desafíos como la falta de monitoreo en tiempo real, la dependencia de inspecciones manuales y la dificultad para detectar fallas en sus etapas iniciales, lo que puede resultar en tiempos de inactividad y altos costos de reparación. Este proyecto desarrolló un sistema de diagnóstico inteligente que utiliza análisis vibracional, LoRaWAN e inteligencia artificial (IA) para optimizar el mantenimiento predictivo de estos motores. El sistema diseñado detecta fallas comunes como desbalanceo, desalineación y holgura mecánica, utilizando sensores Advantech Wise-2410 con acelerómetros 3D para captar vibración y temperatura. Los datos se transmiten de manera inalámbrica a través de un Gateway Milesight UG67 y se procesan en una plataforma que integra Node-RED, MySQL e Ignition para la gestión y visualización de datos en tiempo real. Para entrenar el modelo de IA, se utilizaron técnicas de Ensemble Learning, combinando algoritmos como SVM, K-d Tree y AdaBoost, alcanzando una precisión global del 95%. El uso de LoRaWAN garantizó una comunicación eficiente y de bajo consumo, mientras que la interfaz en Ignition mejoró el monitoreo, facilitando la toma de decisiones. Este proyecto representa un avance en la gestión predictiva de mantenimiento industrial, reduciendo costos y mejorando la confiabilidad operativa.

• Hlavní autor: Abarca Pazmiño, Julio Sebastián (author)
• Další autoři: Fonseca Guamán, Daniel Alexander (author)
• Médium: bachelorThesis
• Vydáno: 2024
• Témata: MANTENIMIENTO PREDICTIVO; DIAGNÓSTICO INTELIGENTE; ANÁLISIS VIBRACIONAL; LORAWAN; ENSEMBLE LEARNING
• On-line přístup: https://repositorio.espe.edu.ec/handle/21000/41974