Diagnóstico de la degradación en reboilers: un modelo en base al aprendizaje profundo

Abstract

En el presente trabajo de título tiene por objetivo general desarrollar un modelo en base al aprendizaje profundo que diagnostique el estado de salud de reboilers utilizados en bombas. Por otra parte, los objetivos específicos son estudiar los datos y procesarlos para que sean utilizables en el modelo, realizar un modelo de aprendizaje profundo genérico y realizar un análisis de los resultados obtenidos con los cuales se diagnosticará el estado de salud de los reboilers. La motivación para la realización de este trabajo de titulo recae en la necesidad de las empresas en disminuir sus perdidas por fallas en maquinarias las cuales tienen un monitoreo prácticamente nulo. Dentro de los antecedentes, esta el uso de distintos tipos de redes como MLP (Multi-Layer Perceptron) que consiste en una red neuronal completamente conectada entre si. Otra de las redes a utilizar es la denominada CNN (Convolutional Neural Network), la cual se caracteriza por encontrar características en imágenes, además de de los conceptos involucrados en cada una de estas. También se realiza una comparación con un SVM (Support Vector Machine), el cual es un tipo de Supervised Machine Learning utilizado para clasificación. Por otro lado, la metodología a seguir es básicamente, recibir los datos, procesarlos, realizar el modelo, probarlo, verificar la validez del mismo y finalmente realizar el diagnostico. Los recursos utilizados se traducen principalmente en los datos a usar en los modelos y una computadora con GPU, Linux y TensorFlow.