Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial
Se presenta en este documento los resultados preliminares obtenidos a partir de la medición de algunas de las variables de funcionamiento más importantes de un motor trifásico de inducción que acciona una bomba centrífuga (grupo motor-bomba), mediante las cuales fue posible establecer acciones que i...
- Autores:
-
Gil Arrieta, César Javier
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2010
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/2756
- Acceso en línea:
- https://hdl.handle.net/11323/2756
https://repositorio.cuc.edu.co/
- Palabra clave:
- Mantenimiento predictivo
Mantenimiento correctivo
Inteligencia artificial
Eficiencia
Redes neuronales
Predicción
Ahorro de energía
Eficiencia
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
RCUC2_3c1d9cd13c9aaf30886db19203e3cb31 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/2756 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| title |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| spellingShingle |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial Mantenimiento predictivo Mantenimiento correctivo Inteligencia artificial Eficiencia Redes neuronales Predicción Ahorro de energía Eficiencia |
| title_short |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| title_full |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| title_fullStr |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| title_full_unstemmed |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| title_sort |
Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial |
| dc.creator.fl_str_mv |
Gil Arrieta, César Javier |
| dc.contributor.author.spa.fl_str_mv |
Gil Arrieta, César Javier |
| dc.subject.spa.fl_str_mv |
Mantenimiento predictivo Mantenimiento correctivo Inteligencia artificial Eficiencia Redes neuronales Predicción Ahorro de energía Eficiencia |
| topic |
Mantenimiento predictivo Mantenimiento correctivo Inteligencia artificial Eficiencia Redes neuronales Predicción Ahorro de energía Eficiencia |
| description |
Se presenta en este documento los resultados preliminares obtenidos a partir de la medición de algunas de las variables de funcionamiento más importantes de un motor trifásico de inducción que acciona una bomba centrífuga (grupo motor-bomba), mediante las cuales fue posible establecer acciones que indican que es factible relacionar diferentes regímenes de operación del grupo bajo estudio con algunas técnicas de mantenimiento predictivo aplicando a su vez herramientas de inteligencia artificial que permitirán establecer fechas de mantenimiento en función de la eficiencia del motor y otros aspectos técnico-constructivos como por ejemplo, la temperatura máxima de operación según el fabricante, conformando así un conjunto de estrategias que permitirán en última instancia “construir una curva inteligente de información aplicable a la gestión del mantenimiento antes que suceda la falla” |
| publishDate |
2010 |
| dc.date.issued.none.fl_str_mv |
2010-10-31 |
| dc.date.accessioned.none.fl_str_mv |
2019-02-26T21:04:39Z |
| dc.date.available.none.fl_str_mv |
2019-02-26T21:04:39Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Gil Arrieta, C. (2010). Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial. INGE CUC, 6(1), 103-118. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/297 |
| dc.identifier.issn.spa.fl_str_mv |
0122-6517, 2382-4700 electrónico |
| dc.identifier.uri.spa.fl_str_mv |
https://hdl.handle.net/11323/2756 |
| dc.identifier.eissn.spa.fl_str_mv |
2382-4700 |
| dc.identifier.instname.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.identifier.pissn.spa.fl_str_mv |
0122-6517 |
| dc.identifier.reponame.spa.fl_str_mv |
REDICUC - Repositorio CUC |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.cuc.edu.co/ |
| identifier_str_mv |
Gil Arrieta, C. (2010). Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial. INGE CUC, 6(1), 103-118. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/297 0122-6517, 2382-4700 electrónico 2382-4700 Corporación Universidad de la Costa 0122-6517 REDICUC - Repositorio CUC |
| url |
https://hdl.handle.net/11323/2756 https://repositorio.cuc.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofseries.spa.fl_str_mv |
INGE CUC; Vol. 6, Núm. 1 (2010) |
| dc.relation.ispartofjournal.spa.fl_str_mv |
INGE CUC INGE CUC |
| dc.relation.references.spa.fl_str_mv |
Caballero, Hugo C. y Huerta, José I. Diseño y desarrollo de un sistema de monitoreo de condición para motores de inducción. Revista Ingeniería Universidad de los Andes. Colombia. Carvajal, Francisco Antonio et al. Diagnóstico en línea y fuera de línea de motores de inducción de baja, mediana y alta tensión. Artículos técnicos boletín iie. Marzo 2009. Fernández Cabanas, Manés y García Melero, Manuel (2000). Técnicas para el mantenimiento y diagnóstico de máquinas eléctricas rotativas. España: Marcombo. Filippetti, F.; Franceschini, G.; Tassoni, C.; Vas, P. (2000). A fuzzy logic approach to on-line induction motor diagnostics based on stator current monitoring, in: Proceedings of Stockholm. Gao, X. Z.; Ovaska, S. J. (2005). “Soft computing methods in motor fault diagnosis”. Institute of Intelligent Power Electronics, Helsinki University of Technology. Guillemin, Pierre (1996). “Fuzzy Logic Applied to Motor Control”. IEEE transactions on industry applications, Vol. 32, No. 1. Hsu, John. “Field Test of Motor Efficiency and Load Changes through Air-Gap Torque”. Oak Ridge, Tennessee 3783 1-7280. IEEE transactions on energy conversion, Vol. 10, No. 3, September 1995. Hsu, J. S. y Sorenson, P. L. (1995). “Field assessment of induction motor efficiency through airgap torque”. Oak Riagi national Laboratory, UaK Kidge, Tennessee. Huang, Chich-Yi et al. (1999). Robust Control of Induction Motor with A Neural-Network Load Torque Estimator and A Neural-Network Identification. IEEE transactions on industrial electronics, Vol. 46, No. 5. Ilott, P. W.; Griffiths, A. J. (1996). “Development of a pumping system decision support tool based on artificial intelligence”. Tools with Artificial Intelligence. Proceedings Eighth IEEE International Conference on Volume, Issue. pp. 260-266. Moon, C.; Cho, B. “Design of fuzzy control system for chemical injection systemretrofit using neural network model in thermal power plant”. Publicado en Neural Networks for Identification, Control, Robotics, and Signal/Image Processin. International Workshop on Volume, Issue, 21-23. pp. 263-269. 1996. Nejjari, H. y Benbouzid, M.E.H. (1999). Application of Fuzzy Logic to Induction Motors Condition Monitoring. University of Picardie. France. Saïd Naït Saïd, Mohamed et al. “Detection of Broken Bars in Induction Motors Using an Extended Kalman Filter for Rotor Resistance Sensorless Estimation”. IEEE transactions on energy conversion, Vol. 15, No. 1, March 2000. Wen-Guang, Li (1997). An Experimental Study on the Performance of Centrifugal Oil Pump. Fluid Machinery 25 2. pp. 3-10. Wong, Kit Po. “Artificial intelligence and neural network applications in power systems”. IEE 2nd International Conference on Advances in Power System Control, Operation and Management, December 1993, Hong Kong. |
| dc.relation.ispartofjournalabbrev.spa.fl_str_mv |
INGE CUC |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.source.spa.fl_str_mv |
INGE CUC |
| institution |
Corporación Universidad de la Costa |
| dc.source.url.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/297 |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/05abc852-2b8d-41bd-b326-94a37c3dbf5e/download https://repositorio.cuc.edu.co/bitstreams/6ff54250-fdde-43c6-8e06-06f7a69c32e4/download https://repositorio.cuc.edu.co/bitstreams/653af11e-befe-4a21-8f71-bf4041e9d251/download https://repositorio.cuc.edu.co/bitstreams/68ff7562-e72a-4c66-a417-69d6c9b7fa37/download |
| bitstream.checksum.fl_str_mv |
e8e6dd4cd52690be1027e7c4df74a8fb 8a4605be74aa9ea9d79846c1fba20a33 25e6746aadedbdededc35af611eeb64f faa082b69e9dd7c85f56bc2b0294fb46 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1811760773326700544 |
| spelling |
Gil Arrieta, César Javier2019-02-26T21:04:39Z2019-02-26T21:04:39Z2010-10-31Gil Arrieta, C. (2010). Aproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial. INGE CUC, 6(1), 103-118. Recuperado a partir de https://revistascientificas.cuc.edu.co/ingecuc/article/view/2970122-6517, 2382-4700 electrónicohttps://hdl.handle.net/11323/27562382-4700Corporación Universidad de la Costa0122-6517REDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/Se presenta en este documento los resultados preliminares obtenidos a partir de la medición de algunas de las variables de funcionamiento más importantes de un motor trifásico de inducción que acciona una bomba centrífuga (grupo motor-bomba), mediante las cuales fue posible establecer acciones que indican que es factible relacionar diferentes regímenes de operación del grupo bajo estudio con algunas técnicas de mantenimiento predictivo aplicando a su vez herramientas de inteligencia artificial que permitirán establecer fechas de mantenimiento en función de la eficiencia del motor y otros aspectos técnico-constructivos como por ejemplo, la temperatura máxima de operación según el fabricante, conformando así un conjunto de estrategias que permitirán en última instancia “construir una curva inteligente de información aplicable a la gestión del mantenimiento antes que suceda la falla”We report here in the preliminary results obtained from the measurement of some of the major operat-ing variables of a three-phase induction motor which drives a centrifugal pump (motor-pump), whereby it was possible to establish actions that indicate that it is possible to relate different operating regimes of the group under study with some predictive mainte-nance techniques applied in turn artificial intelligence tools that will provide maintenance dates depending on engine efficiency and other technical aspects such as constructive maximum temperature operating ac-cording to the manufacturer, thus comprising a set of strategies that will ultimately “build an intelligent information curve applicable to the management of maintenance before the failure happens.”Gil Arrieta, César Javier-644e2b12-5ed2-41c2-a103-a89c87919916-0application/pdfspaCorporación Universidad de la CostaINGE CUC; Vol. 6, Núm. 1 (2010)INGE CUCINGE CUCCaballero, Hugo C. y Huerta, José I. Diseño y desarrollo de un sistema de monitoreo de condición para motores de inducción. Revista Ingeniería Universidad de los Andes. Colombia.Carvajal, Francisco Antonio et al. Diagnóstico en línea y fuera de línea de motores de inducción de baja, mediana y alta tensión. Artículos técnicos boletín iie. Marzo 2009.Fernández Cabanas, Manés y García Melero, Manuel (2000). Técnicas para el mantenimiento y diagnóstico de máquinas eléctricas rotativas. España: Marcombo.Filippetti, F.; Franceschini, G.; Tassoni, C.; Vas, P. (2000). A fuzzy logic approach to on-line induction motor diagnostics based on stator current monitoring, in: Proceedings of Stockholm.Gao, X. Z.; Ovaska, S. J. (2005). “Soft computing methods in motor fault diagnosis”. Institute of Intelligent Power Electronics, Helsinki University of Technology.Guillemin, Pierre (1996). “Fuzzy Logic Applied to Motor Control”. IEEE transactions on industry applications, Vol. 32, No. 1.Hsu, John. “Field Test of Motor Efficiency and Load Changes through Air-Gap Torque”. Oak Ridge, Tennessee 3783 1-7280. IEEE transactions on energy conversion, Vol. 10, No. 3, September 1995.Hsu, J. S. y Sorenson, P. L. (1995). “Field assessment of induction motor efficiency through airgap torque”. Oak Riagi national Laboratory, UaK Kidge, Tennessee.Huang, Chich-Yi et al. (1999). Robust Control of Induction Motor with A Neural-Network Load Torque Estimator and A Neural-Network Identification. IEEE transactions on industrial electronics, Vol. 46, No. 5.Ilott, P. W.; Griffiths, A. J. (1996). “Development of a pumping system decision support tool based on artificial intelligence”. Tools with Artificial Intelligence. Proceedings Eighth IEEE International Conference on Volume, Issue. pp. 260-266.Moon, C.; Cho, B. “Design of fuzzy control system for chemical injection systemretrofit using neural network model in thermal power plant”. Publicado en Neural Networks for Identification, Control, Robotics, and Signal/Image Processin. International Workshop on Volume, Issue, 21-23. pp. 263-269. 1996.Nejjari, H. y Benbouzid, M.E.H. (1999). Application of Fuzzy Logic to Induction Motors Condition Monitoring. University of Picardie. France.Saïd Naït Saïd, Mohamed et al. “Detection of Broken Bars in Induction Motors Using an Extended Kalman Filter for Rotor Resistance Sensorless Estimation”. IEEE transactions on energy conversion, Vol. 15, No. 1, March 2000.Wen-Guang, Li (1997). An Experimental Study on the Performance of Centrifugal Oil Pump. Fluid Machinery 25 2. pp. 3-10.Wong, Kit Po. “Artificial intelligence and neural network applications in power systems”. IEE 2nd International Conference on Advances in Power System Control, Operation and Management, December 1993, Hong Kong.INGE CUCINGE CUChttps://revistascientificas.cuc.edu.co/ingecuc/article/view/297Mantenimiento predictivoMantenimiento correctivoInteligencia artificialEficienciaRedes neuronalesPredicciónAhorro de energíaEficienciaAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificialArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2PublicationORIGINALAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdfAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdfapplication/pdf1848610https://repositorio.cuc.edu.co/bitstreams/05abc852-2b8d-41bd-b326-94a37c3dbf5e/downloade8e6dd4cd52690be1027e7c4df74a8fbMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.cuc.edu.co/bitstreams/6ff54250-fdde-43c6-8e06-06f7a69c32e4/download8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdf.jpgAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdf.jpgimage/jpeg54573https://repositorio.cuc.edu.co/bitstreams/653af11e-befe-4a21-8f71-bf4041e9d251/download25e6746aadedbdededc35af611eeb64fMD54TEXTAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdf.txtAproximación al mantenimiento eléctrico predictivo de un motor impulsor de una bomba centrífuga utilizando inteligencia artificial.pdf.txttext/plain40686https://repositorio.cuc.edu.co/bitstreams/68ff7562-e72a-4c66-a417-69d6c9b7fa37/downloadfaa082b69e9dd7c85f56bc2b0294fb46MD5511323/2756oai:repositorio.cuc.edu.co:11323/27562024-09-17 11:05:23.689open.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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 |