Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición
El presente trabajo presenta los procedimientos para diseñar un prototipo que permita monitorear el estado de los vehículos y los hábitos de manejo de los conductores de INTEGRA S. A., para gestionar en línea la planificación del mantenimiento, generar reportes relacionados con los componentes mecán...
- Autores:
-
Mejía Hernández, Juan Camilo
Ramírez Alzate, Juan David
Quintero Riaza, Héctor Fabio
Marín Moreno, César Augusto
Romero Piedrahita, Carlos Alberto
Orozco Gutiérrez, Álvaro Ángel
- Tipo de recurso:
- Book
- Fecha de publicación:
- 2023
- Institución:
- Universidad Tecnológica de Pereira
- Repositorio:
- Repositorio Institucional UTP
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.utp.edu.co:11059/14850
- Acceso en línea:
- https://hdl.handle.net/11059/14850
https://repositorio.utp.edu.co/home
- Palabra clave:
- 620 - Ingeniería y operaciones afines::629 - Otras ramas de la ingeniería
Motores de combustión interna
Procesamiento de señales
Aprendizaje de máquina
Data analitycs
Mantenimiento
Prototipo
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
| id |
UTP2_561a046cb764383d2f915dc614571f5c |
|---|---|
| oai_identifier_str |
oai:repositorio.utp.edu.co:11059/14850 |
| network_acronym_str |
UTP2 |
| network_name_str |
Repositorio Institucional UTP |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| title |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| spellingShingle |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 620 - Ingeniería y operaciones afines::629 - Otras ramas de la ingeniería Motores de combustión interna Procesamiento de señales Aprendizaje de máquina Data analitycs Mantenimiento Prototipo |
| title_short |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| title_full |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| title_fullStr |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| title_full_unstemmed |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| title_sort |
Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición |
| dc.creator.fl_str_mv |
Mejía Hernández, Juan Camilo Ramírez Alzate, Juan David Quintero Riaza, Héctor Fabio Marín Moreno, César Augusto Romero Piedrahita, Carlos Alberto Orozco Gutiérrez, Álvaro Ángel |
| dc.contributor.author.none.fl_str_mv |
Mejía Hernández, Juan Camilo Ramírez Alzate, Juan David Quintero Riaza, Héctor Fabio Marín Moreno, César Augusto Romero Piedrahita, Carlos Alberto Orozco Gutiérrez, Álvaro Ángel |
| dc.subject.ddc.none.fl_str_mv |
620 - Ingeniería y operaciones afines::629 - Otras ramas de la ingeniería |
| topic |
620 - Ingeniería y operaciones afines::629 - Otras ramas de la ingeniería Motores de combustión interna Procesamiento de señales Aprendizaje de máquina Data analitycs Mantenimiento Prototipo |
| dc.subject.lemb.none.fl_str_mv |
Motores de combustión interna Procesamiento de señales Aprendizaje de máquina |
| dc.subject.proposal.eng.fl_str_mv |
Data analitycs |
| dc.subject.proposal.spa.fl_str_mv |
Mantenimiento Prototipo |
| description |
El presente trabajo presenta los procedimientos para diseñar un prototipo que permita monitorear el estado de los vehículos y los hábitos de manejo de los conductores de INTEGRA S. A., para gestionar en línea la planificación del mantenimiento, generar reportes relacionados con los componentes mecánicos y humanos de la flota, y alertar al área de mantenimiento de aquellos elementos que no se encuentran en estado óptimo. En un principio se analizan señales provenientes del vehículo y, posteriormente, se estiman dos factores de riesgo para el funcionamiento óptimo del mismo: el estado del motor con base en aprendizaje de máquina y los hábitos de conducción basado en data analytics. El prototipo está pensado para ser modulable y escalable; además, pretende mejorar el modelo de administración del mantenimiento de las empresas que lo usen. El dispositivo tiene implementado un sistema de captura de señales que estará conectado al GPS de los vehículos, acción que facilita la comunicación entre un operador remoto y el dispositivo de adquisición, posibilitando así, la personalización en línea de las tareas de monitorización. Adicionalmente, este cuenta con conexión inalámbrica a un servidor que es el encargado de almacenar, gestionar y procesar los datos para generar alertas tempranas, relacionadas con las variables anteriormente mencionadas. Con el objetivo de alcanzar un alto grado de precisión en las tareas de diagnóstico, se analizan los diferentes datos adquiridos mediante técnicas de procesamiento y análisis de datos, entre ellos, caracterización multidominio, reducción de dimensionalidad y clasificación del estado. Finalmente, el prototipo cuenta con una interfaz gráfica de usuario operable en línea, que permitirá programar de una manera organizada y oportuna el plan de mantenimiento de las empresas de transporte público para garantizar el estado de disponibilidad deseado de los vehículos. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-11-07T16:02:20Z |
| dc.date.available.none.fl_str_mv |
2023-11-07T16:02:20Z |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.type.spa.fl_str_mv |
Libro |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_2f33 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/book |
| format |
http://purl.org/coar/resource_type/c_2f33 |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11059/14850 |
| dc.identifier.eisbn.none.fl_str_mv |
978-958-722-851-9 |
| dc.identifier.instname.none.fl_str_mv |
Universidad Tecnológica de Pereira |
| dc.identifier.reponame.none.fl_str_mv |
Repositorio Institucional Universidad Tecnológica de Pereira |
| dc.identifier.repourl.none.fl_str_mv |
https://repositorio.utp.edu.co/home |
| url |
https://hdl.handle.net/11059/14850 https://repositorio.utp.edu.co/home |
| identifier_str_mv |
978-958-722-851-9 Universidad Tecnológica de Pereira Repositorio Institucional Universidad Tecnológica de Pereira |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Ahmad, R., & Kamaruddin, S. (2012). An overview of time-based and condition-based maintenance in industrial application. Computers & industrial engineering, 63, 135–149. Al Badour, F., Sunar, M., & Cheded, L. (2011). Vibration analysis of rotating machinery using time frequency analysis and wavelet techniques. Mechanical Systems and Signal Processing, 25, 2083-2101. Allen-Monge, J., Sibaja-Vargas, M., Aguiar-Moya, J. P., & Lorı́ a Salazar, L. G. (2013). PRESIÓN DE INFLADO DE LOS NEUMÁTICOS Y LA FORMA EN QUE AFECTA LA ESTRUCTURA DEL PAVIMENTO. Tech. rep., Programa Infraestructura del Transporte (PITRA), LanammeUCR. Bayir, R., & Omer, B. A. (2011). A fault diagnosis of engine starting system via starter motors using fuzzy logic algorithm. Gazi University Journal of Science, 24, 437–449. Bunks, C., McCarthy, D., & Al-Ani, T. (2000). Condition-based maintenance of machines using hidden Markov models. Mechanical Systems and Signal Processing, 14, 597–612. Buzzoni, M., Mucchi, E., & Dalpiaz, G. (March de 2017). A CWT-based methodology for piston slap experimental characterization. Mechanical Systems and Signal Processing, 86, 16-28. Caban, J., Droździel, P., Ignaciuk, P., & Kordos, P. (2019). Analysis of the effect of the fuel dose on selected parameters of the diesel engine start-up process. Transportation Research Procedia, 40, 647–654. Cardona, B. R., Batista, E. H., & Rodrı́ guez, C. B. (2008). El impacto de las fallas en los sistemas de los vehı́ culos de transporte de carga, en la disponibilidad técnica de una gran empresa transportista de carga de la ciudad de Holguı́ n. Ciencias Holguı́ n, 14, 1–11. Castellanos Domı́ nguez, C. G., & Shinakov, Y. S. (2007). Análisis de aleatoriedad en señales y sistemas. Departamento de Ingenierı́ a Eléctrica, Electrónica y Computación. Castignani, G. D. (2015). Driver behavior profiling using Juan Camilo Mejía Hernández, Juan David Ramírez Alzate, Héctor Fabio Quintero Riaza, César Augusto Marín Moreno, Carlos Alberto Romero Piedrahita, Álvaro Ángel Orozco Gutiérrez Volver smartphones: A low-cost platform for driver monitoring. IEEE Intelligent transportation systems magazine, 7, 91-102. Celik, A., Yilmaz, M., & Yildiz, O. F. (2020). Improvement of diesel engine startability under low temperatures by vortex tubes. Energy reports, 6, 17–27. Cerezuela, G. P., Soto, M. J., & Ryan, D. L. (1999). Conceptualización y análisis psicológico del error humano en la conducción de vehı́ culos a partir de los desarrollos recientes del modelo de habilidades, reglas y conocimientos. Anuario de psicologı́ a/ The UB Journal of psychology, 39–64. Chaichan, M. T. (2016). Effect of injection timing and coolant temperatures of DI diesel engine on cold and hot engine startability and emissions. IOSR Journal of Mechanical and Civil Engineering (IOSRJMCE), 13, 62–70. Chandroth, G. O., Sharkey, A. J., & Sharkey, N. E. (1999). Cylinder pressures and vibration in internal combustion engine condition monitoring. Proceedings of Comadem, 99, págs. 294–297. Charnes, A. C. (1978). Measuring the efficiency of decision making units. European journal of operational research., 429-444. Chen, J., & Patton, R. J. (2012). Robust model-based fault diagnosis for dynamic systems (Vol. 3). Springer Science & Business Media. Cheng, K. Y., Shayler, P. J., & Murphy, M. (2004). The influence of blow-by on indicated work output from a diesel engine under cold start conditions. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 218, 333–340 Cook, W. D. (2009). Data envelopment análisis (dea)–thirty years on. European journal of operational research, 192, 1-17. Cooper, W. W. (2007). ata envelopment analysis: a comprehensive text with models, applications, references and DEA-solver software. Springer, 145-232. Dai, X., Gao, Z., Breikin, T., & Wang, H. (March de 2009). Disturbance Attenuation in Fault Detection of Gas Turbine Engines: A Discrete Robust Observer Design. IEEE Transactions on Systems, Man, and Cybernetics, Part C, 39, Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición Volver 234-239 Daza-Santacoloma, G., Arias-Londono, J. D., Godino-Llorente, J. I., Sáenz-Lechón, N., Osma-Ruı́ z, V., & Castellanos-Dominguez, G. (2009). Dynamic feature extraction: an application to voice pathology detection. Intelligent Automation & Soft Computing, 15, 667–682. Delgado-Prieto, M., Cirrincione, G., Garcia Espinosa, A., Ortega, J., & Henao, H. (August de 2013). Bearing Fault Detection by a Novel Condition-Monitoring Scheme Based on Statistical Time Features and Neural Networks. Industrial Electronics, IEEE Transactions on, 60, 3398-3407. Deng, L., & Zhao, R. (November de 2013). A vibration analysis method based on hybrid techniques and its application to rotating machinery. Measurement, 46, 3671-3682. Ding, S. X. (2008). Model-based fault diagnosis techniques: design schemes, algorithms, and tools. Springer Science & Business Media. Droździel, P. (2007). O rozruchu silnika o zapłonie samoczynnym. Eksploatacja i niezawodność, 51–59. Duque-Escobar, G. (2007). Introducción a la Economı́ a del Transporte. Manizales: Universidad Nacional de Colombia, 4. Egilmez, G. a. (2013). Benchmarking road safety of us states: a dea-based malmquist productivity index approach. Accident Analysis & Prevention, 53, 55-64. Ericsson, S., Grip, N., Johansson, E., Persson, L.-E., Sjöberg, R., & Strömberg, J.-O. (2005). Towards automatic detection of local bearing defects in rotating machines. Mechanical systems and signal processing, 19, 509–535 Filippetti, F., Franceschini, G., & Tassoni, C. (January de 2004). Recent developments of induction motor drives fault diagnosis using AI techniques. IEEE Transactions on Power Electronics, 19, 1108-1116. Friedman, T. L. (2018). Why are so many political parties blowing up(Part 1). The New York Times. Gao, Z., Cecati, C., & Ding, S. (June de 2015). A Survey of Fault Diagnosis and Fault Tolerant Techniques Part II Fault Diagnosis With Knowledge Based and Hybrid Active Grajales, J. A., Fernando-López, J., & Fabio-Quintero, H. (2015). Diagnostico de un motor de gasolina de cuatro cilindros mediante el análisis de vibraciones. Ingenierı́ a Mecánica, 18, 188–195. Grey, C. P., & Tarascon, J. M. (2017). Sustainability and in situ monitoring in battery development. Nature materials, 16, 45–56. |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
171 Páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Tecnológica de Pereira |
| publisher.none.fl_str_mv |
Universidad Tecnológica de Pereira |
| institution |
Universidad Tecnológica de Pereira |
| bitstream.url.fl_str_mv |
https://dspace7-utp.metabuscador.org/bitstreams/81e80c66-45cb-4f4a-be4f-768752808249/download https://dspace7-utp.metabuscador.org/bitstreams/1e2a873b-6525-4b03-a55c-78fbc1087803/download https://dspace7-utp.metabuscador.org/bitstreams/9d937fdb-cf29-47cd-80c1-1139e2a74c77/download https://dspace7-utp.metabuscador.org/bitstreams/d51153c1-8d91-499f-8289-38adf41e051e/download |
| bitstream.checksum.fl_str_mv |
26568e6db1ba9f2436388bb77ef0ddf4 2f9959eaf5b71fae44bbf9ec84150c7a c7e34e145262abf0f22b643b71508ac6 180e5c424459f708bc1c134eeae5d609 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad Tecnológica de Pereira |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1815732539650736128 |
| spelling |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Manifiesto (Manifestamos) en este documento la voluntad de autorizar a la Biblioteca Jorge Roa Martínez de la Universidad Tecnológica de Pereira la publicación en el Repositorio institucional (http://biblioteca.utp.edu.co), la versión electrónica de la OBRA titulada: ________________________________________________________________________________________________ ________________________________________________________________________________________________ ________________________________________________________________________________________________ La Universidad Tecnológica de Pereira, entidad académica sin ánimo de lucro, queda por lo tanto facultada para ejercer plenamente la autorización anteriormente descrita en su actividad ordinaria de investigación, docencia y publicación. La autorización otorgada se ajusta a lo que establece la Ley 23 de 1982. Con todo, en mi (nuestra) condición de autor (es) me (nos) reservo (reservamos) los derechos morales de la OBRA antes citada con arreglo al artículo 30 dehttps://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessMejía Hernández, Juan CamiloRamírez Alzate, Juan DavidQuintero Riaza, Héctor FabioMarín Moreno, César AugustoRomero Piedrahita, Carlos AlbertoOrozco Gutiérrez, Álvaro Ángel2023-11-07T16:02:20Z2023-11-07T16:02:20Z2023https://hdl.handle.net/11059/14850978-958-722-851-9Universidad Tecnológica de PereiraRepositorio Institucional Universidad Tecnológica de Pereirahttps://repositorio.utp.edu.co/homeEl presente trabajo presenta los procedimientos para diseñar un prototipo que permita monitorear el estado de los vehículos y los hábitos de manejo de los conductores de INTEGRA S. A., para gestionar en línea la planificación del mantenimiento, generar reportes relacionados con los componentes mecánicos y humanos de la flota, y alertar al área de mantenimiento de aquellos elementos que no se encuentran en estado óptimo. En un principio se analizan señales provenientes del vehículo y, posteriormente, se estiman dos factores de riesgo para el funcionamiento óptimo del mismo: el estado del motor con base en aprendizaje de máquina y los hábitos de conducción basado en data analytics. El prototipo está pensado para ser modulable y escalable; además, pretende mejorar el modelo de administración del mantenimiento de las empresas que lo usen. El dispositivo tiene implementado un sistema de captura de señales que estará conectado al GPS de los vehículos, acción que facilita la comunicación entre un operador remoto y el dispositivo de adquisición, posibilitando así, la personalización en línea de las tareas de monitorización. Adicionalmente, este cuenta con conexión inalámbrica a un servidor que es el encargado de almacenar, gestionar y procesar los datos para generar alertas tempranas, relacionadas con las variables anteriormente mencionadas. Con el objetivo de alcanzar un alto grado de precisión en las tareas de diagnóstico, se analizan los diferentes datos adquiridos mediante técnicas de procesamiento y análisis de datos, entre ellos, caracterización multidominio, reducción de dimensionalidad y clasificación del estado. Finalmente, el prototipo cuenta con una interfaz gráfica de usuario operable en línea, que permitirá programar de una manera organizada y oportuna el plan de mantenimiento de las empresas de transporte público para garantizar el estado de disponibilidad deseado de los vehículos.The present work presents the procedures to design a prototype that allows to monitor the state of the vehicles and the driving habits of the drivers of INTEGRA S.A., to manage maintenance planning online, generate reports related to the mechanical and human components of the fleet, and alert the maintenance area of those elements that are not in optimal condition. Initially, signals from the vehicle are analyzed and, later, two risk factors for its optimal operation are estimated: the state of the engine based on machine learning and driving habits based on data analytics. The prototype is thought to be modular and scalable; In addition, it aims to improve the maintenance management model of the companies that use it. The device has implemented a signal capture system that will be connected to the vehicles' GPS, an action that facilitates communication between a remote operator and the acquisition device, thus enabling online customization of monitoring tasks. Additionally, it has a wireless connection to a server that is in charge of storing, managing and processing the data to generate early alerts, related to the aforementioned variables. In order to achieve a high degree of precision in diagnostic tasks, the different data acquired through data processing and analysis techniques are analyzed, including multidomain characterization, dimensionality reduction, and state classification. Finally, the prototype has a graphical user interface that can be operated online, which will allow the maintenance plan of public transport companies to be scheduled in an organized and timely manner to guarantee the desired state of availability of the vehicles.CONTENIDO Introducción .........................................................................................................13 CAPÍTULO UNO.................................................................................................14 Prototipo funcional para el monitoreo no intrusivo .........................................15 1.1 Aspectos generales ...................................................................................15 1.2 Planteamiento del problema ...................................................................15 1.3 Justificación..............................................................................................21 CAPÍTULO DOS ................................................................................................26 Procesamiento y análisis de señales provenientes de las unidades de combustión interna ...................................................................................................................27 2.1 Motor de combustión interna .................................................................27 2.2 Selección de sensores y del sistema de adquisición de señales.............30 2.3 Sensor de flujo..........................................................................................30 2.3.1 Medidor DFM 100AK ........................................................................30 2.3.2 Medidor Flow Technology FTO-3......................................................31 2.3.3 Banco de pruebas para caracterización de medidores de flujo de combustible..................................................................................................32 2.3.4 Medidor Flow Technology FTO-3......................................................33 2.3.5 Curva característica de los medidores ................................................34 2.4 Sensores de vibración ..............................................................................35 2.5 Sensor de temperatura ............................................................................36 2.5.1 Banco de caracterización del sensor de temperatura ..........................37 2.5.2 Metodología y caracterización del sensor de temperatura..................38 2.6 Sensor de velocidad..................................................................................40 2.7 Sensor de potencia de arranque .............................................................41 2.8 Montaje y prueba de los equipos para ensayos.....................................44 2.8.1 Montaje de sensores DFM 100AK (medidores de flujo de combustible).................................................................................................44 2.8.2 Montaje de los acelerómetros.............................................................46 2.8.3 Sensor de revoluciones .......................................................................46 2.8.4 Sensor de temperatura.........................................................................47 2.8.5 Montaje de componentes para determinar potencia de arranque........47 2.9 Diseño del sistema de instrumentación..................................................49 2.10 Protocolo de pruebas.............................................................................50 2.11 Generación y anotación de la base de datos........................................53 2.11.1 Señales capturadas............................................................................53 2.11.2 Etiquetado de la base de datos..........................................................55 2.12 Dispositivo para la adquisición de señales de geolocalización y movimiento.....................................................................................................57 2.13 Software para la visualización de datos...............................................60 CAPÍTULO TRES...............................................................................................62 Metodología para el diagnóstico de la condición de los motores de los vehículos alimentadores de la empresa INTEGRA S. A....................................................63 3.1 Análisis de condición de motor ...............................................................63 3.2 Apagado de motor....................................................................................64 3.3 Análisis dinámico del proceso de apagado.............................................66 3.4 Ralentí.......................................................................................................67 3.4.1 Análisis de vibraciones .......................................................................68 3.4.2 Consumo de combustible....................................................................71 3.4.3 Proceso de arranque ............................................................................73 3.4.4 Revoluciones del cigüeñal en los procesos de arranque .....................77 3.4.5 Análisis del voltaje de arranque ..........................................................78 3.4.6 Curvas de desempeño del sistema de arranque...................................80 3.4.7 Características del proceso de arranque con motor frío......................84 3.4.8 Características del proceso de arranque con motor caliente ...............86 3.4.9 Análisis de la energía de arranque ......................................................88 3.5 Técnica de selección de características................................................103 3.6 Cálculo de la huella de carbono............................................................106 CAPÍTULO CUATRO ...................................................................................... 110 Metodología para el diagnóstico de la condición de los motores de los vehículos alimentadores de la empresa INTEGRA S. A.................................................. 111 4.1 Análisis de condición de motor ............................................................. 111 4.1.1 Proceso de arranque con el motor caliente .......................................112 4.1.2 Proceso de arranque con el motor frío..............................................115 4.1.4 Correlaciones de los datos experimentales.......................................118 4.1.4.1 Inspección visual. ......................................................................119 4.1.4.2 Técnica de selección de características....................................120 4.2 Metodología de segmentación con el mínimo trozo de las señales que contiene información relevante para el diagnóstico .................................121 4.2.1 Normalizar en el tiempo de las señales pertenecientes a la base de datos...........................................................................................................122 4.2.3 Descomposición empírica de modos ................................................123 4.2.4 Filtro de respuesta finita al impulso (FIR)........................................124 4.3 Técnicas y Metodologías de caracterización para la identificación de patrones discriminantes..............................................................................125 4.3.1 Descomposición en funciones ortogonales.......................................125 4.3.2 Transformada de Fourier...................................................................125 4.3.3 Transformada discreta de Fourier .....................................................126 4.3.4 Transformada rápida de Fourier........................................................127 4.3.5 Transformada de Fourier de tiempo corto.........................................128 4.4 Validación las diferentes señales capturadas durante la adquisición de datos..............................................................................................................128 4.4.1 ......Verificación de las etiquetas asignadas durante el etiquetado de los datos con pruebas adicionales....................................................................130 CAPÍTULO CINCO..........................................................................................133 Metodología para la cuantificación de los hábitos de conducción de los operadores de los buses alimentadores de INTEGRA S. A. mediante data analytics...............................................................................................................134 5.1 Conceptualización..................................................................................134 5.2 Análisis envolvente de datos (DEA) ....................................................136 5.3 Configuración de experimentos............................................................140 FIGURAS 5.4 Base de datos “REP GPS ENERO” .....................................................142 5.5 Base de datos “DataMI008”..................................................................144 5.6 Base de datos “DataConsumo”.............................................................145 5.7 Resultados...............................................................................................146 5.7.1 Base de datos “REP GPS ENERO” ..................................................146 5.7.2 Base de datos “DataMI008” .............................................................148 5.7.3 Base de datos “DataConsumo” .........................................................151 Conclusiones.......................................................................................................155 Referencias bibliográficas..................................................................................158171 Páginasapplication/pdfspaUniversidad Tecnológica de Pereira620 - Ingeniería y operaciones afines::629 - Otras ramas de la ingenieríaMotores de combustión internaProcesamiento de señalesAprendizaje de máquinaData analitycsMantenimientoPrototipoPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condiciónLibroinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_2f33Textinfo:eu-repo/semantics/bookAhmad, R., & Kamaruddin, S. (2012). An overview of time-based and condition-based maintenance in industrial application. Computers & industrial engineering, 63, 135–149.Al Badour, F., Sunar, M., & Cheded, L. (2011). Vibration analysis of rotating machinery using time frequency analysis and wavelet techniques. Mechanical Systems and Signal Processing, 25, 2083-2101.Allen-Monge, J., Sibaja-Vargas, M., Aguiar-Moya, J. P., & Lorı́ a Salazar, L. G. (2013). PRESIÓN DE INFLADO DE LOS NEUMÁTICOS Y LA FORMA EN QUE AFECTA LA ESTRUCTURA DEL PAVIMENTO. Tech. rep., Programa Infraestructura del Transporte (PITRA), LanammeUCR.Bayir, R., & Omer, B. A. (2011). A fault diagnosis of engine starting system via starter motors using fuzzy logic algorithm. Gazi University Journal of Science, 24, 437–449.Bunks, C., McCarthy, D., & Al-Ani, T. (2000). Condition-based maintenance of machines using hidden Markov models. Mechanical Systems and Signal Processing, 14, 597–612.Buzzoni, M., Mucchi, E., & Dalpiaz, G. (March de 2017). A CWT-based methodology for piston slap experimental characterization. Mechanical Systems and Signal Processing, 86, 16-28.Caban, J., Droździel, P., Ignaciuk, P., & Kordos, P. (2019). Analysis of the effect of the fuel dose on selected parameters of the diesel engine start-up process. Transportation Research Procedia, 40, 647–654.Cardona, B. R., Batista, E. H., & Rodrı́ guez, C. B. (2008). El impacto de las fallas en los sistemas de los vehı́ culos de transporte de carga, en la disponibilidad técnica de una gran empresa transportista de carga de la ciudad de Holguı́ n. Ciencias Holguı́ n, 14, 1–11.Castellanos Domı́ nguez, C. G., & Shinakov, Y. S. (2007). Análisis de aleatoriedad en señales y sistemas. Departamento de Ingenierı́ a Eléctrica, Electrónica y Computación.Castignani, G. D. (2015). Driver behavior profiling using Juan Camilo Mejía Hernández, Juan David Ramírez Alzate, Héctor Fabio Quintero Riaza, César Augusto Marín Moreno, Carlos Alberto Romero Piedrahita, Álvaro Ángel Orozco Gutiérrez Volver smartphones: A low-cost platform for driver monitoring. IEEE Intelligent transportation systems magazine, 7, 91-102.Celik, A., Yilmaz, M., & Yildiz, O. F. (2020). Improvement of diesel engine startability under low temperatures by vortex tubes. Energy reports, 6, 17–27.Cerezuela, G. P., Soto, M. J., & Ryan, D. L. (1999). Conceptualización y análisis psicológico del error humano en la conducción de vehı́ culos a partir de los desarrollos recientes del modelo de habilidades, reglas y conocimientos. Anuario de psicologı́ a/ The UB Journal of psychology, 39–64.Chaichan, M. T. (2016). Effect of injection timing and coolant temperatures of DI diesel engine on cold and hot engine startability and emissions. IOSR Journal of Mechanical and Civil Engineering (IOSRJMCE), 13, 62–70.Chandroth, G. O., Sharkey, A. J., & Sharkey, N. E. (1999). Cylinder pressures and vibration in internal combustion engine condition monitoring. Proceedings of Comadem, 99, págs. 294–297.Charnes, A. C. (1978). Measuring the efficiency of decision making units. European journal of operational research., 429-444.Chen, J., & Patton, R. J. (2012). Robust model-based fault diagnosis for dynamic systems (Vol. 3). Springer Science & Business Media.Cheng, K. Y., Shayler, P. J., & Murphy, M. (2004). The influence of blow-by on indicated work output from a diesel engine under cold start conditions. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 218, 333–340Cook, W. D. (2009). Data envelopment análisis (dea)–thirty years on. European journal of operational research, 192, 1-17.Cooper, W. W. (2007). ata envelopment analysis: a comprehensive text with models, applications, references and DEA-solver software. Springer, 145-232.Dai, X., Gao, Z., Breikin, T., & Wang, H. (March de 2009). Disturbance Attenuation in Fault Detection of Gas Turbine Engines: A Discrete Robust Observer Design. IEEE Transactions on Systems, Man, and Cybernetics, Part C, 39, Prototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición Volver 234-239Daza-Santacoloma, G., Arias-Londono, J. D., Godino-Llorente, J. I., Sáenz-Lechón, N., Osma-Ruı́ z, V., & Castellanos-Dominguez, G. (2009). Dynamic feature extraction: an application to voice pathology detection. Intelligent Automation & Soft Computing, 15, 667–682.Delgado-Prieto, M., Cirrincione, G., Garcia Espinosa, A., Ortega, J., & Henao, H. (August de 2013). Bearing Fault Detection by a Novel Condition-Monitoring Scheme Based on Statistical Time Features and Neural Networks. Industrial Electronics, IEEE Transactions on, 60, 3398-3407.Deng, L., & Zhao, R. (November de 2013). A vibration analysis method based on hybrid techniques and its application to rotating machinery. Measurement, 46, 3671-3682.Ding, S. X. (2008). Model-based fault diagnosis techniques: design schemes, algorithms, and tools. Springer Science & Business Media.Droździel, P. (2007). O rozruchu silnika o zapłonie samoczynnym. Eksploatacja i niezawodność, 51–59.Duque-Escobar, G. (2007). Introducción a la Economı́ a del Transporte. Manizales: Universidad Nacional de Colombia, 4.Egilmez, G. a. (2013). Benchmarking road safety of us states: a dea-based malmquist productivity index approach. Accident Analysis & Prevention, 53, 55-64.Ericsson, S., Grip, N., Johansson, E., Persson, L.-E., Sjöberg, R., & Strömberg, J.-O. (2005). Towards automatic detection of local bearing defects in rotating machines. Mechanical systems and signal processing, 19, 509–535Filippetti, F., Franceschini, G., & Tassoni, C. (January de 2004). Recent developments of induction motor drives fault diagnosis using AI techniques. IEEE Transactions on Power Electronics, 19, 1108-1116.Friedman, T. L. (2018). Why are so many political parties blowing up(Part 1). The New York Times.Gao, Z., Cecati, C., & Ding, S. (June de 2015). A Survey of Fault Diagnosis and Fault Tolerant Techniques Part II Fault Diagnosis With Knowledge Based and Hybrid ActiveGrajales, J. A., Fernando-López, J., & Fabio-Quintero, H. (2015). Diagnostico de un motor de gasolina de cuatro cilindros mediante el análisis de vibraciones. Ingenierı́ a Mecánica, 18, 188–195.Grey, C. P., & Tarascon, J. M. (2017). Sustainability and in situ monitoring in battery development. Nature materials, 16, 45–56.Publication8-20-5Desarrollo de un prototipo funcional para el monito reo no intrusivo de vehículos usando data analytics para innovar en el proceso de mantenimiento basado en la condición en empresas de transporte publicoORIGINALPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdfPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdfapplication/pdf11573338https://dspace7-utp.metabuscador.org/bitstreams/81e80c66-45cb-4f4a-be4f-768752808249/download26568e6db1ba9f2436388bb77ef0ddf4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://dspace7-utp.metabuscador.org/bitstreams/1e2a873b-6525-4b03-a55c-78fbc1087803/download2f9959eaf5b71fae44bbf9ec84150c7aMD52TEXTPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdf.txtPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdf.txtExtracted texttext/plain640512https://dspace7-utp.metabuscador.org/bitstreams/9d937fdb-cf29-47cd-80c1-1139e2a74c77/downloadc7e34e145262abf0f22b643b71508ac6MD53THUMBNAILPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdf.jpgPrototipo para el monitoreo no intrusivo de vehículos para mejorar el proceso de mantenimiento basado en la condición 27-09-2023.pdf.jpgGenerated Thumbnailimage/jpeg17188https://dspace7-utp.metabuscador.org/bitstreams/d51153c1-8d91-499f-8289-38adf41e051e/download180e5c424459f708bc1c134eeae5d609MD5411059/14850oai:dspace7-utp.metabuscador.org:11059/148502024-09-05 16:57:40.966https://creativecommons.org/licenses/by-nc-nd/4.0/Manifiesto (Manifestamos) en este documento la voluntad de autorizar a la Biblioteca Jorge Roa Martínez de la Universidad Tecnológica de Pereira la publicación en el Repositorio institucional (http://biblioteca.utp.edu.co), la versión electrónica de la OBRA titulada: ________________________________________________________________________________________________ ________________________________________________________________________________________________ ________________________________________________________________________________________________ La Universidad Tecnológica de Pereira, entidad académica sin ánimo de lucro, queda por lo tanto facultada para ejercer plenamente la autorización anteriormente descrita en su actividad ordinaria de investigación, docencia y publicación. La autorización otorgada se ajusta a lo que establece la Ley 23 de 1982. Con todo, en mi (nuestra) condición de autor (es) me (nos) reservo (reservamos) los derechos morales de la OBRA antes citada con arreglo al artículo 30 deopen.accesshttps://dspace7-utp.metabuscador.orgRepositorio de la Universidad Tecnológica de Pereirabdigital@metabiblioteca.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 |