Mantenimiento predictivo de motores de buques mediante aprendizaje automático
Autor/es
Novoa Paradela, David; Eiras Franco, Carlos; Fontenla Romero, Oscar; Lamas López, Francisco; Sanz Muñoz, DavidFecha
2020-11-25Tipo de documento
conferenceObjectMateria/s Unesco
3310.04 Ingeniería de MantenimientoResumen
La aparición de anomalías durante el funcionamiento de los sistemas industriales puede apuntar a la presencia de degradaciones y fallos, que deriven con el tiempo en comportamientos indeseados, perdidas de operatividad y la rotura final del sistema. Las técnicas de mantenimiento predictivo se encargan de monitorizar el estado de los sistemas para llevar a cabo la detección de estas anomalías en fases incipientes, permitiendo programar las tareas de mantenimiento de forma óptima. En este trabajo se presenta una solución de mantenimiento predictivo para motores de buques basada en técnicas de inteligencia artificial. Para ello se hace uso de la información de los sensores (temperaturas, presiones, etc.) recogidos en tiempo real por los buques y transmitidos diariamente al centro de control. El sistema desarrollado es capaz de predecir la aparición de modos de fallos a partir de un histórico de datos del motor. Además, para que su uso sea escalable a grandes flotas, se ha implementado la solución en el entorno distribuido Spark.