Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional
Los métodos de machine learning han sido utilizados en el mantenimiento basado en la condición desde la aplicación de diferentes acercamientos a la extracción de características. En este trabajo, se propone una metodología para detección de fallas en maquinaria rotativa, que evita el proceso de extr...
- Autores:
-
Ulloa Ríos, Federico
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/34072
- Acceso en línea:
- http://hdl.handle.net/1992/34072
- Palabra clave:
- Fallas en maquinaria - Investigaciones
Aprendizaje automático (Inteligencia artificial)
Redes neuronales convolucionales
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_ddfd95481d573572ec31de1893b71dee |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/34072 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Barbieri, Giacomo368c1c63-a62b-4f52-8b39-bcea191026e8400Ulloa Ríos, Federicoc3b9b4d7-fffd-4bcc-8e15-f2dab2217b325002020-06-10T08:57:25Z2020-06-10T08:57:25Z2018http://hdl.handle.net/1992/34072u821542.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Los métodos de machine learning han sido utilizados en el mantenimiento basado en la condición desde la aplicación de diferentes acercamientos a la extracción de características. En este trabajo, se propone una metodología para detección de fallas en maquinaria rotativa, que evita el proceso de extracción de características al obtener el espectrograma de la señal original y posteriormente utilizar redes neuronales convolucionales, además permite su entrenamiento fin a fin. Tres bases de datos diferentes fueron utilizadas para validar la metodología planteada, dos bases de datos se encuentran disponibles en-linea y una fue construida para este trabajo. La metodología planteada logra clasificar correctamente todas las categorías obteniendo un 100% de exactitud en las tres bases de datos, mostrando su capacidad y utilidad para la detección de fallas.Machine learning methods have been used in condition based maintenance from the application of different approaches for feature extraction process. In this work, a novel methodology is proposed for failure detection in rotatory machines that avoids the feature extraction process by computing the spectrogram of the original signal and then the use of convolutional neural networks to classify them; also it is end to end trainable. Three different data bases were used to validate the proposed methodology, two data bases are available online and one was built for this work. The proposed methodology was able to classify correctly all the categories obtaining a 100% of accuracy in all the data bases, showing its capacity and utility for failure detection.Magíster en Ingeniería Electrónica y de ComputadoresMaestría9 hojasapplication/pdfspaUniandesMaestría en Ingeniería Electrónica y de ComputadoresFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaDetección de fallas en maquinaria rotativa : implementación de una red neuronal convolucionalTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMFallas en maquinaria - InvestigacionesAprendizaje automático (Inteligencia artificial)Redes neuronales convolucionalesIngenieríaPublicationTHUMBNAILu821542.pdf.jpgu821542.pdf.jpgIM Thumbnailimage/jpeg22354https://repositorio.uniandes.edu.co/bitstreams/471a5523-b366-4462-b206-26ffc3c1f227/download8ff35bf95ca6dc976e800efab60a49dbMD55TEXTu821542.pdf.txtu821542.pdf.txtExtracted texttext/plain27621https://repositorio.uniandes.edu.co/bitstreams/caf18197-0a0a-4cbb-abde-85000fd42345/downloadacde82affe7c6d2ba3d743909392ef3eMD54ORIGINALu821542.pdfapplication/pdf3840975https://repositorio.uniandes.edu.co/bitstreams/20ea2fdc-e021-47ef-b10c-532e6993d46f/download2b826239f9783344301cb8078ff4b8b6MD511992/34072oai:repositorio.uniandes.edu.co:1992/340722023-10-10 17:37:23.422https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
| dc.title.es_CO.fl_str_mv |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| title |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| spellingShingle |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional Fallas en maquinaria - Investigaciones Aprendizaje automático (Inteligencia artificial) Redes neuronales convolucionales Ingeniería |
| title_short |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| title_full |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| title_fullStr |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| title_full_unstemmed |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| title_sort |
Detección de fallas en maquinaria rotativa : implementación de una red neuronal convolucional |
| dc.creator.fl_str_mv |
Ulloa Ríos, Federico |
| dc.contributor.advisor.none.fl_str_mv |
Barbieri, Giacomo |
| dc.contributor.author.none.fl_str_mv |
Ulloa Ríos, Federico |
| dc.subject.keyword.es_CO.fl_str_mv |
Fallas en maquinaria - Investigaciones Aprendizaje automático (Inteligencia artificial) Redes neuronales convolucionales |
| topic |
Fallas en maquinaria - Investigaciones Aprendizaje automático (Inteligencia artificial) Redes neuronales convolucionales Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
Los métodos de machine learning han sido utilizados en el mantenimiento basado en la condición desde la aplicación de diferentes acercamientos a la extracción de características. En este trabajo, se propone una metodología para detección de fallas en maquinaria rotativa, que evita el proceso de extracción de características al obtener el espectrograma de la señal original y posteriormente utilizar redes neuronales convolucionales, además permite su entrenamiento fin a fin. Tres bases de datos diferentes fueron utilizadas para validar la metodología planteada, dos bases de datos se encuentran disponibles en-linea y una fue construida para este trabajo. La metodología planteada logra clasificar correctamente todas las categorías obteniendo un 100% de exactitud en las tres bases de datos, mostrando su capacidad y utilidad para la detección de fallas. |
| publishDate |
2018 |
| dc.date.issued.none.fl_str_mv |
2018 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-10T08:57:25Z |
| dc.date.available.none.fl_str_mv |
2020-06-10T08:57:25Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/34072 |
| dc.identifier.pdf.none.fl_str_mv |
u821542.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/34072 |
| identifier_str_mv |
u821542.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| 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 |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
9 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Uniandes |
| dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería Electrónica y de Computadores |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/471a5523-b366-4462-b206-26ffc3c1f227/download https://repositorio.uniandes.edu.co/bitstreams/caf18197-0a0a-4cbb-abde-85000fd42345/download https://repositorio.uniandes.edu.co/bitstreams/20ea2fdc-e021-47ef-b10c-532e6993d46f/download |
| bitstream.checksum.fl_str_mv |
8ff35bf95ca6dc976e800efab60a49db acde82affe7c6d2ba3d743909392ef3e 2b826239f9783344301cb8078ff4b8b6 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133947316895744 |