Mantenimiento Predictivo de Máquinas Herramienta

El estudio adopta un enfoque empírico al probar el sistema de mantenimiento predictivo propuesto en un escenario industrial real. Para comenzar, se recopilan datos de diversas fuentes dentro del ecosistema industrial, que incluye información obtenida a través de un sistema que combina datos adquiridos de sensores, dispositivos con PLC (controladores lógicos programables) y diferentes protocolos de comunicación. Este conjunto de datos rico y diverso se procesa y se pone a disposición mediante una Herramienta de Análisis de Datos. Una de las principales fortalezas de este enfoque es su dependencia del Aprendizaje Automático, específicamente la regresión logística y la máquina de vectores de soporte. Es adecuado para el mantenimiento predictivo debido a su capacidad para manejar conjuntos de datos complejos y relaciones entre diferentes variables. El documento detalla el proceso de aplicación del enfoque de regresión logística y máquina de vectores de soporte a los datos recopilados, lo que permite la predicción de varios estados de la máquina. Esto es crucial para prever posibles problemas antes de que se conviertan en fallas significativas, permitiendo intervenciones de mantenimiento oportunas. Además, la investigación amplía su evaluación comparando los resultados del enfoque de Aprendizaje Automático con los obtenidos mediante herramientas de simulación, proporcionando así una evaluación integral del sistema para el mantenimiento predictivo.