Desarrollo de un algoritmo inteligente de detección de fallas en sistemas rotores

Abstract

Los sistemas rotativos tienen gran importancia en la industria, debido a la existencia de diversas máquinas que utilizan este principio para su funcionamiento. En este contexto, la mantención de estos equipos es un tema que cada vez toma más peso en la industria debido a los incentivos económicos existentes por mejorar la disponibilidad de los activos de la empresa. Dentro de las técnicas de mantención existentes, la mantención predictiva se ha vuelto cada vez más atractiva con el avance de la tecnología. Esta estrategia de mantención consiste en evaluar la condición de operación de la maquina en tiempo real. Esto permite, mediante el monitoreo de ciertos parámetros, detectar una condición anormal en su funcionamiento y así intervenir en el momento preciso antes de que ocurra la falla, aumentando así la disponibilidad del activo, sin incurrir en una sobre mantención de éste. El objetivo de este trabajo es desarrollar un algoritmo inteligente que permita la identificación de fallas en un sistema rotativo, mediante la comparación con patrones de falla previamente identificados. Para la realización de este trabajo se identifican tres etapas claves; En primer lugar la adquisición de datos experimentales del sistema rotor operando bajo los modos de falla más comunes para este tipo de sistema. Luego, se crean patrones con los datos más representativos obtenidos anteriormente a fin de construir una base de datos de los modos de falla. Por último, se debe desarrollar un sistema de aprendizaje supervisado que permita, por medio de la comparación con los patrones anteriormente definidos, la identificación de la presencia de potenciales fallas en un sistema en funcionamiento. Se consideraron inicialmente 4 modos de fallas: desbalance, roce entre componentes rotatorios, picadura en pista externa del rodamiento, y falla en el rotor del motor, en donde se descartó el modo de falla del motor, ya que su falla no fue visible en las mediciones obtenidas. A partir de los otros 3 modos de falla se estudian la incidencia de distintos parámetros relevantes a fin de construir diferentes bases de datos sobre las cuales se prueba el algoritmo. Se realizaron pruebas sobre distintas bases de datos, para caso de modos de falla actuando solos como también múltiples. Se concluye que el algoritmo consigue resultados óptimos en el caso de los modos de falla individuales, mientras que para el caso de modos de falla múltiples el algoritmo tiene una menor precisión, llegando incluso a no detectar algunas fallas. Para este último caso se sugiere realizar modificaciones al algoritmo que permitan obtener resultados concluyentes.