Detección y diagnóstico de fallas en sistemas de refrigeración implementando el modelo NN-SVM
Loading...
Date
2023-11
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Piura
Abstract
La tesis aborda el tema en tendencia de la Industria 4.0, el uso de modelos de Machine Learning (ML) para la detección y el diagnóstico de fallas (FDD) aplicado a sistemas de refrigeración. El cual tiene como justificación el mantenimiento de estos sistemas, identificando y localizando la falla.Se inicia la investigación abordando conceptos introductorios y generales sobre FDD y sistemas de refrigeración. Así mismo, se realiza una revisión de la literatura científica en la que se rescata información sobre las fallas más comunes en los sistemas de refrigeración y los modelos o algoritmos de ML más empleados para el diagnóstico y detección de estas. Entre los modelos más empleados se encuentran: Neural Network (NN) y Support Vector Machine (SVM), así como el uso de análisis de componentes y análisis discriminantes para la reducción dimensional del dataset. Luego, se estudió la teoría de los modelos y algoritmos empleados en la presente tesis con fines de comparación e implementación, estos son: Neural Network (NN), Support Vector Machine (SVM), Random Forest (RF), Principal Component Analysis (PCA) y Linear Discriminant Analysis (LDA) Finalmente, se explica la metodología del modelo combinado e implementado, NN-SVM, para detectar y diagnosticar fallas en un sistema de refrigeración, water chiller de 90 toneladas, utilizando la base de datos ASHRAE RP-1043. Se implementó un modelo clasificador binario para diferenciar la falla del modo de operación normal, y un modelo multiclase para clasificación monofalla; es decir, se diferencia un solo tipo de falla a la vez. Para cerrar el último capítulo, se compara el modelo implementado con los otros modelos analizados individualmente.La investigación se concluye con un buen rendimiento del modelo implementado NN-SVM para ambos clasificadores, binario y multiclase, con accuracies de 99.41% y 99.31%, respectivamente. Por lo que este modelo resulta en una adecuada alternativa para detectar y diagnosticar un funcionamiento anómalo en un sistema de refrigeración.
Description
Keywords
Redes neuronales (Computadores) -- Aplicación, Refrigeración -- Mantenimiento -- Investigaciones, Redes neuronales (Computadores) -- Aplicaciones
Citation
Huertas, S. e Iman, J. (2023). Detección y diagnóstico de fallas en sistemas de refrigeración implementando el modelo NN-SVM (Tesis para optar el título de Ingeniero Mecánico-Eléctrico). Universidad de Piura. Facultad de Ingeniería. Programa Académico de Ingeniería Mecánico-Eléctrica. Piura, Perú.