Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa

El presente trabajo se refiere al diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa. Se estudiarán tres tipos diferentes de fallas (eje pandeado, anillos de seguridad rotos en el pistón y tres grados de distensión de correas), mediante la implem...

Full description

Autores:
Mendoza Calderón, Karen Daritza
Jaimes Álvarez, Andrés Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/14497
Acceso en línea:
http://hdl.handle.net/20.500.12749/14497
Palabra clave:
Mechatronic
Machine learnig
Detection
Classification
Faults
Shaft
Piston
Circlips
Strain
Belt
Technique
Signal
Vibration
Rotating machinery
Diagnostics
Algorithm
Machinery
Design engineering
Mechanical faults
Mecatrónica
Algoritmo
Maquinaria
Ingeniería de diseño
Fallas mecánicas
Detección
Clasificación
Pistón
Anillos de seguridad
Distensión
Correa
Técnica
Señal
Vibración
Maquinaria rotativa
Diagnostico
Fallas
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id UNAB2_f1a7b45f0828d249e2b9b3b3923b0665
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/14497
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
dc.title.translated.spa.fl_str_mv Design and construction of a multi-fault test bench for off-line diagnosis in rotating machinery
title Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
spellingShingle Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
Mechatronic
Machine learnig
Detection
Classification
Faults
Shaft
Piston
Circlips
Strain
Belt
Technique
Signal
Vibration
Rotating machinery
Diagnostics
Algorithm
Machinery
Design engineering
Mechanical faults
Mecatrónica
Algoritmo
Maquinaria
Ingeniería de diseño
Fallas mecánicas
Detección
Clasificación
Pistón
Anillos de seguridad
Distensión
Correa
Técnica
Señal
Vibración
Maquinaria rotativa
Diagnostico
Fallas
title_short Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
title_full Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
title_fullStr Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
title_full_unstemmed Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
title_sort Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa
dc.creator.fl_str_mv Mendoza Calderón, Karen Daritza
Jaimes Álvarez, Andrés Felipe
dc.contributor.advisor.none.fl_str_mv Maradey Lázaro, Jessica Gisella
dc.contributor.author.none.fl_str_mv Mendoza Calderón, Karen Daritza
Jaimes Álvarez, Andrés Felipe
dc.contributor.cvlac.spa.fl_str_mv Maradey Lázaro, Jessica Gisella [0000040553]
dc.contributor.orcid.spa.fl_str_mv Maradey Lázaro, Jessica Gisella [0000-0003-2319-1965]
dc.contributor.scopus.spa.fl_str_mv Maradey Lázaro, Jessica Gisella [57207878442]
dc.contributor.researchgate.spa.fl_str_mv Maradey Lázaro, Jessica Gisella [Jessica-Maradey-Lazaro]
dc.subject.keywords.spa.fl_str_mv Mechatronic
Machine learnig
Detection
Classification
Faults
Shaft
Piston
Circlips
Strain
Belt
Technique
Signal
Vibration
Rotating machinery
Diagnostics
Algorithm
Machinery
Design engineering
Mechanical faults
topic Mechatronic
Machine learnig
Detection
Classification
Faults
Shaft
Piston
Circlips
Strain
Belt
Technique
Signal
Vibration
Rotating machinery
Diagnostics
Algorithm
Machinery
Design engineering
Mechanical faults
Mecatrónica
Algoritmo
Maquinaria
Ingeniería de diseño
Fallas mecánicas
Detección
Clasificación
Pistón
Anillos de seguridad
Distensión
Correa
Técnica
Señal
Vibración
Maquinaria rotativa
Diagnostico
Fallas
dc.subject.lemb.spa.fl_str_mv Mecatrónica
Algoritmo
Maquinaria
Ingeniería de diseño
Fallas mecánicas
dc.subject.proposal.spa.fl_str_mv Detección
Clasificación
Pistón
Anillos de seguridad
Distensión
Correa
Técnica
Señal
Vibración
Maquinaria rotativa
Diagnostico
Fallas
description El presente trabajo se refiere al diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa. Se estudiarán tres tipos diferentes de fallas (eje pandeado, anillos de seguridad rotos en el pistón y tres grados de distensión de correas), mediante la implementación de kits en condición de falla vs condición normal para cada elemento se realiza la toma de vibración mediante la integración de un sensor piezoeléctrico Dytran 3056D2, en conjunto con una tarjeta de adquisición de datos NI-9230. Posteriormente, en una interfaz desarrollada en LabVIEW se procesa la señal recolectada y se obtiene el resultado de acuerdo con la falla tratada. Para la falla de distensión de la correa se implementara un algoritmo de detección y clasificación a partir de los datos experimentales y la técnica de aprendizaje automático.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-10-01T19:46:30Z
dc.date.available.none.fl_str_mv 2021-10-01T19:46:30Z
dc.date.issued.none.fl_str_mv 2021
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Trabajo de Grado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/14497
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/14497
identifier_str_mv instname:Universidad Autónoma de Bucaramanga - UNAB
reponame:Repositorio Institucional UNAB
repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv [1]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).
[2]. Glen , White. (2010). Introducción al Análisis de Vibraciones (págs.53-55, 70-98). Woburn, MA EE. UU: Azima DLI Todos los derechos reservados.
[3]. Lopez-Perez, D. y Antonino-Daviu, J. (2017). Aplicación de la termografía infrarroja a la detección de fallas en motores industriales de inducción: casos prácticos. Transacciones IEEE sobre aplicaciones industriales , 53 (3), 1901-1908.
[4]. Liu, X., Zhou, Q. y Shen, H. (noviembre de 2018). Diagnóstico de fallas en tiempo real de maquinaria rotativa utilizando una red neuronal convolucional 1-D. En 2018 5th International Conference on Soft Computing & Machine Intelligence (ISCMI) (págs. 104- 108). IEEE.
[5]. de Medeiros, EC, de Paula Mendonca, WR, de Barros, E. y Mathias, MH (2018). Diseño y evaluación de un banco de pruebas investigador-educativo aplicado a estudios de dinámica de rotores. Transacciones IEEE América Latina , 16 (8), 2161-2167
[6]. de SS Martins, DH, Hemerly, DO, Marins, M., Lima, AA, Silva, FL, Prego, TDM, ... & da Silva, EA (2018, septiembre). Aplicación del aprendizaje automático para evaluar la severidad del desequilibrio en máquinas rotativas. En Conferencia internacional sobre dinámica de rotores (págs. 144-160). Springer, Cham
[7]. ]. Ronquillo, E., & Douglas, C. (2019). Repotenciación del mantenimiento predictivo basado en el análisis de vibración enfocado a equipos rotatorios usados para el proceso de producción de una planta química ubicada en Guayaquil-Ecuador.
[8]. Qian, W., Li, S., & Jiang, X. (2019). Deep transfer network for rotating machine fault analysis. Pattern Recognition, 96, 106993
[9]. Li, X., Yang, Y., Bennett, I., & Mba, D. (2019). Condition monitoring of rotating machines under time-varying conditions based on adaptive canonical variate analysis. Mechanical Systems and Signal Processing, 131, 348 363. doi:10.1016/j.ymssp.2019.05.048
[10]. Li, X., Zhang, W., Ma, H., Luo, Z., & Li, X.(2020). Domain Generalization In Rotating Machinery Fault Diagnostics Using Deep Neural Networks. Neurocomputing. doi:10.1016/j.neucom.2020.05.014
[11]. Soto-Ocampo, C. R., Mera, J. M., Cano-Moreno, J. D., & Garcia-Bernardo, J. L. (2020). Low-Cost, High-Frequency, Data Acquisition System for Condition Monitoring of Rotating Machinery through Vibration Analysis-Case Study. Sensors, 20(12), 3493
[12]. Zhou, P, Yang, Y., Wang, H., Du, M., Peng, Z., & Zhang, W. (2020). The relationship between fault-induced impulses and harmonic-cluster with applications to rotating machinery fault diagnosis. Mechanical Systems and Signal Processing, 144, 106896. doi:10.1016/j.ymssp.2020.106896
[13]. Introducción al Mantenimiento Predictivo (PdM/CBM) - A-MAQ. (2020). from https://a-maq.com/intro_pdm/.
[14]. Mantenimiento Predictivo basado en la Condición (CBM) | Cofrico. (2020). [Online], from https://www.cofrico.com/eficiencia-energetica/mantenimiento-predictivo-basado-en- la-condicion-cbm
[15]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).
[16]. Garrido, S. (2020). ¿Qué es el mantenimiento predictivo? Mantenimientopetroquimica.com. from http://www.mantenimientopetroquimica.com/mantenimientopredictivo.html.
[17]. Mantenimiento predictivo vs mantenimiento basado en condición - Bneural Blog. Bneural Blog. (2020). from https://www.bneural.io/blog/diferencias-entre-mdp-y-mbc/.
[18]. Mantenimiento predictivo vs monitoreo de condición. Metalmecanica.com. (2020). from http://www.metalmecanica.com/temas/Mantenimiento-predictivo-vs-monitoreo-de- condicion 123960#:~:text=Mientras el monitoreo de condición,pero no evita que falle
[19]. Toapanta Núñez, Á. R. (2012). Determinación de Fallas Mediante Análisis Vibracional en los Equipos Críticos del Área de Envasado, Pasteurización y Homogenización de la Empresa PROLAC (Bachelor's thesis, Escuela
[20]. Rossas Sarmiento, G. (2004). Estudio de vibraciones mecánicas en máquinas reciprocantes (Doctoral dissertation, Universidad Industrial de Santander, Escuela De Ing. Mecanica).
[21]. Orellana, L., & Sebastián, G. (2014). Análisis de órbitas como técnica de diagnóstico de fallas en equipos rotatorios
[22]. RESTREPO, L. B., MARÍN, J. J. C., & Gómez, A. L. (2006). Análisis de falla del eje de un motor eléctrico de una fábrica harinera. Tecnura, 9(18), 10-18
[23]. Waldhauer, B., Schilling, U., & Szopa, J. (2004). Daños de pistones. from http://www.serviberlinas.com/pdf/danos_pistones.pdf
[24]. Pedro Nelson Saavedra, La medición y análisis de las vibraciones como técnica de inspección de equipos y componentes, aplicaciones, normativas y certificación. Facultad de Ingeniería - Universidad de Concepción, Casilla 160 Concepción Chile
[25]. Olarte, W., Botero, M., & Cañón, B. (2010). Técnicas de mantenimiento predictivo utilizadas en la industria. Scientia et technica, 2(45), 223-226.
[26]. López, D. (2016). Diagnóstico de fallas de rodamientos de equipos de rotación utilizando redes neuronales artificiales. Pontificia universidad católica de Valparaíso. Recuperado de http://opac.pucv.cl/pucv_txt/txt-3500/UCD3634_01.pdf
[27]. Nombela Escobar, B. (2011). Aplicación de técnicas de aprendizaje automático para la extracción de información en textos farmacológicos (Bachelor's thesis). Recuperado de https://core.ac.uk/download/pdf/29402658.pdf
[28]. Ibm.com. Machine Learning. [online] . (2021). from https://n9.cl/bihpu
[29]. Sánchez Moretti, J. A. (2014). Diagnóstico de fallas incipientes mediante la variación angular instantánea
[30].https://www.ugr.es/~dpto_am/OLD/docencia/Apuntes/Fourier_y_sus_coeficientes_Ca nada.pdf
[31]. R. Norton. Diseño de máquinas. Ed. Prentice Hall.
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.creativecommons.*.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Abierto (Texto Completo)
Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Colombia
dc.publisher.grantor.spa.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv Pregrado Ingeniería Mecatrónica
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/14497/3/license.txt
https://repository.unab.edu.co/bitstream/20.500.12749/14497/1/2021_Tesis_Karen_Mendoza_Calderon.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/14497/2/2021_Licencia_Karen_Mendoza_Calderon.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/14497/4/2021_Tesis_Karen_Mendoza_Calderon.pdf.jpg
https://repository.unab.edu.co/bitstream/20.500.12749/14497/5/2021_Licencia_Karen_Mendoza_Calderon.pdf.jpg
bitstream.checksum.fl_str_mv 3755c0cfdb77e29f2b9125d7a45dd316
9b0822344f9a6a328337d5d1407b8e38
a5e273025b8382c9ab9b66d22a6deb62
b613895dd35f6706ae3f8b850f0a476d
71a8a3478ff0cf1b8dae1ba77977d95e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1814277306441531392
spelling Maradey Lázaro, Jessica GisellaMendoza Calderón, Karen DaritzaJaimes Álvarez, Andrés FelipeMaradey Lázaro, Jessica Gisella [0000040553]Maradey Lázaro, Jessica Gisella [0000-0003-2319-1965]Maradey Lázaro, Jessica Gisella [57207878442]Maradey Lázaro, Jessica Gisella [Jessica-Maradey-Lazaro]Colombia2021-10-01T19:46:30Z2021-10-01T19:46:30Z2021http://hdl.handle.net/20.500.12749/14497instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl presente trabajo se refiere al diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa. Se estudiarán tres tipos diferentes de fallas (eje pandeado, anillos de seguridad rotos en el pistón y tres grados de distensión de correas), mediante la implementación de kits en condición de falla vs condición normal para cada elemento se realiza la toma de vibración mediante la integración de un sensor piezoeléctrico Dytran 3056D2, en conjunto con una tarjeta de adquisición de datos NI-9230. Posteriormente, en una interfaz desarrollada en LabVIEW se procesa la señal recolectada y se obtiene el resultado de acuerdo con la falla tratada. Para la falla de distensión de la correa se implementara un algoritmo de detección y clasificación a partir de los datos experimentales y la técnica de aprendizaje automático.LISTA DE TABLAS 11 INTRODUCCIÓN 18 1. OBJETIVOS 20 1.1. OBJETIVO GENERAL 20 1.2. OBJETIVOS ESPECÍFICOS 20 2. ANTECEDENTES 21 3. ESTADO DEL ARTE 22 4. MARCO TEÓRICO 28 4.1. MANTENIMIENTO EN MAQUINARIA ROTATIVA 28 4.1.1. Mantenimiento Correctivo 28 4.1.2. Mantenimiento Preventivo 29 4.1.3. Mantenimiento Basado en Condición (CBM) 29 4.1.4. Mantenimiento Predictivo 29 4.1.5. Diferencia entre Mantenimiento Preventivo y CBM 30 4.2. PATOLOGÍAS BÁSICAS EN MAQUINARIA ROTATIVA 30 4.3. FALLAS EN CORREAS (TRANSMISIÓN POR CORREA) 31 4.3.1. Resonancia de Correas 31 4.3.2. Distensión 31 4.3.3. Tensión de la banda incorrecta 32 4.4. FALLAS EN EJES DE TRANSMISIÓN 32 4.4.1. Eje pandeado 32 4.4.2. Desalineación 32 4.4.3. Grieta en el eje 33 4.4.4. Holgura eje-agujero 33 4.5. FALLAS EN MECANISMOS RECIPROCANTES 34 4.5.1. Fallas en pistones 34 4.5.1.1. Anillos de seguridad rotos 34 4.5.1.2. Causas probables 35 4.6. PRINCIPALES TÉCNICAS DE DETECCIÓN Y DIAGNÓSTICO DE FALLAS EN MAQUINARIA ROTATIVA 35 4.6.1. Análisis vibracional 35 4.6.2. Termografía 36 4.6.3. Análisis por Ultrasonido 36 4.6.4. Aprendizaje automático o Machine Learning 36 4.6.4.1. Redes neuronales 37 4.6.4.2. Tipos de Aprendizaje Automático 38 4.6.4.2.1. Aprendizaje automático supervisados 38 4.6.4.2.2. Aprendizaje automático no supervisados 38 4.6.4.2.3. Aprendizaje de Refuerzo 38 4.6.4.2.4. Deep learning 39 4.7. ANÁLISIS ESPECTRAL 39 4.7.1. Frecuencia para el Eje pandeado 40 4.7.2. Frecuencia para la Distensión en la correa (3°) 40 4.7.3. Frecuencia para el Mecanismo Reciprocante (anillos rotos del pistón) 41 4.8. DENSIDAD ESPECTRAL DE POTENCIA O SPECTRAL DENSITY POWER (PSD) 41 4.9. COEFICIENTES DE FOURIER 42 4.10. CROSS POWER PPECTRAL PENSITY (CPSD) 42 4.11. VENTANA HAMMING 42 4.12. NORMAS VIGENTES 43 4.13. MODELOS IMPLEMENTADOS DE BANCOS DE PRUEBAS 44 4.13.1. Machinery fault simulator de la empresa Spectra 44 4.13.2. ROTOR-MAQ de la empresa A-MAQ 44 5. METODOLOGÍA DE DISEÑO 45 5.1. MODELO EN V 45 6. DISEÑO 45 6.1. SELECCIÓN DE COMPONENTES 45 7. DISEÑO MECÁNICO 48 7.1.1. Selección Acople Flexible 48 7.2. SELECCIÓN DEL RODAMIENTO 49 7.3. CÁLCULO DE LA CORREA DE TRANSMISIÓN 50 7.4. CÁLCULO PARA EL EJE 62 7.4.1. Diseño del eje 66 7.5. SELECCIÓN DE INSTRUMENTACIÓN 69 7.5.1. Selección del acelerómetro 69 7.5.2. Selección de la tarjeta adquisición 70 8. ENSAMBLE DEL MODELO CAD 70 9. SELECCIÓN DE LENGUAJE DE PROGRAMACIÓN 71 10. RESULTADOS Y EVIDENCIAS 71 10.1. INTERFAZ EN LABVIEW 71 10.2. BANCO DE PRUEBAS FINAL 73 10.2.1. Proceso de construcción 74 10.2.2. Componentes del banco 75 10.3. PROTOCOLO DE PRUEBAS 76 10.3.1. Diseño del protocolo 77 10.3.1.1. Inducción de las fallas 78 10.3.1.2. Velocidades de operación 79 10.3.1.3. Tiempo de pruebas 79 10.4. CALIBRACIÓN DEL SENSOR 79 10.5. TOMA DE DATOS 80 10.5.1. Diagrama general de la instrumentación 84 10.6. PRUEBAS 84 10.6.1. Prueba 1: Condición Normal 85 10.6.2. Prueba 2: Condición de Falla 87 10.6.2.1. Prueba 2.1: Falla del eje 87 10.6.2.2. Prueba 2.2: Falla del mecanismo reciprocante (Anillos rotos en el pistón) 90 10.6.2.3. Prueba 2.3: Falla de la correa 92 10.6.3. Prueba 3: Falla Mixta 100 10.7. ANÁLISIS DE ESPECTROS 103 10.8. REPRESENTACIÓN DE LOS DATOS OBTENIDOS 103 10.9. PROBLEMAS PRESENTADOS DURANTE EL DESARROLLO 104 11. CLASIFICACIÓN DE LA FALLA DE DISTENSIÓN DE CORREA (3 GRADOS DE DISTENSIÓN) 105 11.1. RED NEURONAL ETAPA ENTRENAMIENTO 106 11.1.1. Análisis de los espectros obtenidos 112 11.2. REDUCCIÓN DE COMPONENTES MEDIANTE PCA 112 11.3. ETAPA DE ENTRENAMIENTO Y VALIDACIÓN 115 11.4. DESEMPEÑO DE LA ETAPA DE PRUEBA 118 11.4.1. Desempeño Red Adaline 118 11.4.1. Desempeño Red MLP 122 12. PRESUPUESTO 128 13. CONCLUSIONES 129 14. RECOMENDACIONES Y TRABAJO FUTURO 130 15. BIBLIOGRAFÍA 131 16. ANEXOS 134PregradoThis work refers to the design and construction of a multi-fault test bench for off-line diagnosis in rotating machinery. Three different types of failures will be studied (buckled shaft, broken safety rings in the piston and three degrees of belt tension), by implementing kits in failure condition vs normal condition for each element, the vibration is taken through the integration of a Dytran 3056D2 piezoelectric sensor, in conjunction with a NI-9230 data acquisition card. Subsequently, in an interface developed in LabVIEW, the collected signal is processed and the result is obtained according to the fault treated. For the belt distension failure, a detection and classification algorithm will be implemented based on the experimental data and the machine learning technique.application/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativaDesign and construction of a multi-fault test bench for off-line diagnosis in rotating machineryIngeniero MecatrónicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería Mecatrónicainfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPMechatronicMachine learnigDetectionClassificationFaultsShaftPistonCirclipsStrainBeltTechniqueSignalVibrationRotating machineryDiagnosticsAlgorithmMachineryDesign engineeringMechanical faultsMecatrónicaAlgoritmoMaquinariaIngeniería de diseñoFallas mecánicasDetecciónClasificaciónPistónAnillos de seguridadDistensiónCorreaTécnicaSeñalVibraciónMaquinaria rotativaDiagnosticoFallas[1]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).[2]. Glen , White. (2010). Introducción al Análisis de Vibraciones (págs.53-55, 70-98). Woburn, MA EE. UU: Azima DLI Todos los derechos reservados.[3]. Lopez-Perez, D. y Antonino-Daviu, J. (2017). Aplicación de la termografía infrarroja a la detección de fallas en motores industriales de inducción: casos prácticos. Transacciones IEEE sobre aplicaciones industriales , 53 (3), 1901-1908.[4]. Liu, X., Zhou, Q. y Shen, H. (noviembre de 2018). Diagnóstico de fallas en tiempo real de maquinaria rotativa utilizando una red neuronal convolucional 1-D. En 2018 5th International Conference on Soft Computing & Machine Intelligence (ISCMI) (págs. 104- 108). IEEE.[5]. de Medeiros, EC, de Paula Mendonca, WR, de Barros, E. y Mathias, MH (2018). Diseño y evaluación de un banco de pruebas investigador-educativo aplicado a estudios de dinámica de rotores. Transacciones IEEE América Latina , 16 (8), 2161-2167[6]. de SS Martins, DH, Hemerly, DO, Marins, M., Lima, AA, Silva, FL, Prego, TDM, ... & da Silva, EA (2018, septiembre). Aplicación del aprendizaje automático para evaluar la severidad del desequilibrio en máquinas rotativas. En Conferencia internacional sobre dinámica de rotores (págs. 144-160). Springer, Cham[7]. ]. Ronquillo, E., & Douglas, C. (2019). Repotenciación del mantenimiento predictivo basado en el análisis de vibración enfocado a equipos rotatorios usados para el proceso de producción de una planta química ubicada en Guayaquil-Ecuador.[8]. Qian, W., Li, S., & Jiang, X. (2019). Deep transfer network for rotating machine fault analysis. Pattern Recognition, 96, 106993[9]. Li, X., Yang, Y., Bennett, I., & Mba, D. (2019). Condition monitoring of rotating machines under time-varying conditions based on adaptive canonical variate analysis. Mechanical Systems and Signal Processing, 131, 348 363. doi:10.1016/j.ymssp.2019.05.048[10]. Li, X., Zhang, W., Ma, H., Luo, Z., & Li, X.(2020). Domain Generalization In Rotating Machinery Fault Diagnostics Using Deep Neural Networks. Neurocomputing. doi:10.1016/j.neucom.2020.05.014[11]. Soto-Ocampo, C. R., Mera, J. M., Cano-Moreno, J. D., & Garcia-Bernardo, J. L. (2020). Low-Cost, High-Frequency, Data Acquisition System for Condition Monitoring of Rotating Machinery through Vibration Analysis-Case Study. Sensors, 20(12), 3493[12]. Zhou, P, Yang, Y., Wang, H., Du, M., Peng, Z., & Zhang, W. (2020). The relationship between fault-induced impulses and harmonic-cluster with applications to rotating machinery fault diagnosis. Mechanical Systems and Signal Processing, 144, 106896. doi:10.1016/j.ymssp.2020.106896[13]. Introducción al Mantenimiento Predictivo (PdM/CBM) - A-MAQ. (2020). from https://a-maq.com/intro_pdm/.[14]. Mantenimiento Predictivo basado en la Condición (CBM) | Cofrico. (2020). [Online], from https://www.cofrico.com/eficiencia-energetica/mantenimiento-predictivo-basado-en- la-condicion-cbm[15]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).[16]. Garrido, S. (2020). ¿Qué es el mantenimiento predictivo? Mantenimientopetroquimica.com. from http://www.mantenimientopetroquimica.com/mantenimientopredictivo.html.[17]. Mantenimiento predictivo vs mantenimiento basado en condición - Bneural Blog. Bneural Blog. (2020). from https://www.bneural.io/blog/diferencias-entre-mdp-y-mbc/.[18]. Mantenimiento predictivo vs monitoreo de condición. Metalmecanica.com. (2020). from http://www.metalmecanica.com/temas/Mantenimiento-predictivo-vs-monitoreo-de- condicion 123960#:~:text=Mientras el monitoreo de condición,pero no evita que falle[19]. Toapanta Núñez, Á. R. (2012). Determinación de Fallas Mediante Análisis Vibracional en los Equipos Críticos del Área de Envasado, Pasteurización y Homogenización de la Empresa PROLAC (Bachelor's thesis, Escuela[20]. Rossas Sarmiento, G. (2004). Estudio de vibraciones mecánicas en máquinas reciprocantes (Doctoral dissertation, Universidad Industrial de Santander, Escuela De Ing. Mecanica).[21]. Orellana, L., & Sebastián, G. (2014). Análisis de órbitas como técnica de diagnóstico de fallas en equipos rotatorios[22]. RESTREPO, L. B., MARÍN, J. J. C., & Gómez, A. L. (2006). Análisis de falla del eje de un motor eléctrico de una fábrica harinera. Tecnura, 9(18), 10-18[23]. Waldhauer, B., Schilling, U., & Szopa, J. (2004). Daños de pistones. from http://www.serviberlinas.com/pdf/danos_pistones.pdf[24]. Pedro Nelson Saavedra, La medición y análisis de las vibraciones como técnica de inspección de equipos y componentes, aplicaciones, normativas y certificación. Facultad de Ingeniería - Universidad de Concepción, Casilla 160 Concepción Chile[25]. Olarte, W., Botero, M., & Cañón, B. (2010). Técnicas de mantenimiento predictivo utilizadas en la industria. Scientia et technica, 2(45), 223-226.[26]. López, D. (2016). Diagnóstico de fallas de rodamientos de equipos de rotación utilizando redes neuronales artificiales. Pontificia universidad católica de Valparaíso. Recuperado de http://opac.pucv.cl/pucv_txt/txt-3500/UCD3634_01.pdf[27]. Nombela Escobar, B. (2011). Aplicación de técnicas de aprendizaje automático para la extracción de información en textos farmacológicos (Bachelor's thesis). Recuperado de https://core.ac.uk/download/pdf/29402658.pdf[28]. Ibm.com. Machine Learning. [online] . (2021). from https://n9.cl/bihpu[29]. Sánchez Moretti, J. A. (2014). Diagnóstico de fallas incipientes mediante la variación angular instantánea[30].https://www.ugr.es/~dpto_am/OLD/docencia/Apuntes/Fourier_y_sus_coeficientes_Ca nada.pdf[31]. R. Norton. Diseño de máquinas. Ed. Prentice Hall.LICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/14497/3/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD53open accessORIGINAL2021_Tesis_Karen_Mendoza_Calderon.pdf2021_Tesis_Karen_Mendoza_Calderon.pdfTesisapplication/pdf14110046https://repository.unab.edu.co/bitstream/20.500.12749/14497/1/2021_Tesis_Karen_Mendoza_Calderon.pdf9b0822344f9a6a328337d5d1407b8e38MD51open access2021_Licencia_Karen_Mendoza_Calderon.pdf2021_Licencia_Karen_Mendoza_Calderon.pdfLicenciaapplication/pdf332356https://repository.unab.edu.co/bitstream/20.500.12749/14497/2/2021_Licencia_Karen_Mendoza_Calderon.pdfa5e273025b8382c9ab9b66d22a6deb62MD52metadata only accessTHUMBNAIL2021_Tesis_Karen_Mendoza_Calderon.pdf.jpg2021_Tesis_Karen_Mendoza_Calderon.pdf.jpgIM Thumbnailimage/jpeg4264https://repository.unab.edu.co/bitstream/20.500.12749/14497/4/2021_Tesis_Karen_Mendoza_Calderon.pdf.jpgb613895dd35f6706ae3f8b850f0a476dMD54open access2021_Licencia_Karen_Mendoza_Calderon.pdf.jpg2021_Licencia_Karen_Mendoza_Calderon.pdf.jpgIM Thumbnailimage/jpeg9223https://repository.unab.edu.co/bitstream/20.500.12749/14497/5/2021_Licencia_Karen_Mendoza_Calderon.pdf.jpg71a8a3478ff0cf1b8dae1ba77977d95eMD55metadata only access20.500.12749/14497oai:repository.unab.edu.co:20.500.12749/144972021-10-01 18:00:41.144open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Publicaciones similares