Sistema de mantenimiento predictivo para máquinas eléctricas en procesos industriales en el escenario de la industria 4.0.

En el presente trabajo de titulación se busca clasificar las fallas más comunes presentadas por una bomba centrífuga dentro de un sistema de ósmosis inversa, mediante el desarrollo de un modelo de mantenimiento predictivo basado en las características de operación del equipo. El objetivo es detectar anomalías y patrones de fallos en el equipo para anticiparse a posibles errores que se puedan producir, con el fin de maximizar los tiempos de operación, al minimizar el mantenimiento correctivo no planificado, esto permite disminuir al mínimo las fallas no previstas sin incrementar la cantidad de inspecciones rutinarias. El desarrollo del sistema contempla cinco etapas: adquisición de datos, procesamiento, identificación de indicadores de condición, entrenamiento del modelo y finalmente implementación e integración. En la primera etapa se implementan protocolos de comunicación industrial como: Modbus TCP, Profinet, S7 y el protocolo MQTT para conectividad IoT, durante la etapa de procesamiento se determinó que el parámetro que presenta mayor discriminación para la detección de fallas es la señal de corriente, la segunda, tercera y cuarta etapa se desarrolla utilizando las herramientas DiagnosticFeatureDesigner y Clasification Learner, dedicadas al desarrollo de algoritmos de mantenimiento predictivo dentro de Matlab. La última etapa corresponde a la implementación e integración del modelo, en donde se presenta una interfaz gráfica de usuario basada en una plataforma web para visualizar en tiempo real los resultados del sistema. Se recomienda para futuros trabajos de investigación añadir dispositivos que permitan obtener datos de vibración y de espectro térmico, parámetros utilizados para definir la vida útil restante (RUL) del equipo.

• Váldodahkki: Pillajo Ñauñay, Martha Cecilia (author)
• Eará dahkkit: Vivanco Correa, Jessica Andrea (author)
• Materiálatiipa: masterThesis
• Giella: spa
• Almmustuhtton: 2022
• Fáttát: INDUSTRIA 4.0; CLOUD COMPUTING; MANTENIMIENTO PREDICTIVO
• Liŋkkat: http://repositorio.espe.edu.ec/handle/21000/34588