Incremento del tamaño de los datos para la detección de fallos en maquinaria rotativa

• Buestán, Adriana Guaman ^[1] ; Cabrera Mendieta, Diego ^[1] ; Sanchez Loja, René V. ^[1] ; Cerrada Lozada, Mariela ^[1] ; Cevallos Ampuero, Juan Manuel ^[2]
  1. [1] Universidad Politécnica Salesiana

     Universidad Politécnica Salesiana

     Cuenca, Ecuador

     
  2. [2] Universidad Nacional Mayor de San Marcos

     Universidad Nacional Mayor de San Marcos

     Perú

     
• Localización: Bistua: Revista de la Facultad de Ciencias Básicas, ISSN 0120-4211, Vol. 17, Nº. 2, 2019, págs. 41-48
• Idioma: español
• Títulos paralelos:
  • Data size increment for fault detection on rotating machinery
• Enlaces
  • Texto completo
• Resumen
  • español

    En los últimos años se ha incrementado el uso de técnicas de modelamiento basado en datos para el diagnóstico de fallos en maquinaria rotativa. Estas técnicas requieren de grandes cantidades de datos que no siempre se pueden obtener pues generan altos costos y tiempo excesivo, que son difíciles de solventar desde el punto de vista económico y técnico. El presente trabajo se enfoca en el pre-procesamiento de las señales de vibración y propone un método para incrementar el número de series temporales informativas de una máquina rotativa sin el incremento del tiempo y costos en la etapa de adquisición de las señales. Como resultado se ha obtenido una ampliación de 315 señales en la fase de adquisición de datos a 429000 luego de la aplicación del método; cantidad adecuada para la construcción de modelos basados en datos, incluso de deep learning para la detección de fallos en maquinaria rotativa.

  • English

    In recent years, the use of data-based modeling techniques for the diagnosis of rotating machinery failures has increased. These techniques require large amounts of data that can’t always be obtained because they generate high costs and excessive time, which are difficult to solve from the economic and technical point of view. The present work focuses on the pre-processing of vibration signals and proposes a method to increase the number of informative time series of a rotary machine without the increase of time and costs in the stage of acquisition of signals. As a result, an expansion of 315 signals was obtained in the data acquisition phase to 429000 after the application of the method; adequate amount for the construction of models based on data, including deep learning for the detection of failures in rotating machinery