Máquina de Boltzmann Restringida Mejorada con Regularización de Pronosticabilidad para Pronósticos y Evaluación de Salud

En el entorno del Internet de las Cosas, es crucial cerrar la brecha entre la toma de decisiones empresariales y los datos en tiempo real de la fábrica para permitir a las empresas pasar del servicio de mantenimiento basado en condición al mantenimiento predictivo. Los sistemas de monitoreo de condición se han aplicado ampliamente en muchas industrias para adquirir datos relacionados con la operación y el equipo, mediante los cuales se puede evaluar el estado de salud de la máquina. Uno de los desafíos para predecir la salud futura de la máquina radica en extraer las características correctas que estén bien correlacionadas con la progresión de fallos/degradación. Proponemos una máquina de Boltzmann restringida mejorada con un nuevo término de regularización para generar automáticamente características adecuadas para la predicción de la vida útil restante. El término de regularización intenta maximizar la tendencia de las características de salida, que potencialmente representan mejor el patrón de degradación de un sistema. El método propuesto se comparó con el algoritmo de máquina de Boltzmann restringida regular y el análisis de componentes principales. Las características generadas se usan como entrada para un método basado en similitud para la predicción de vida. Para la validación se utilizan conjuntos de datos de funcionamiento hasta la falla recogidos de dos sistemas rotativos.