Un enfoque de machine learning para la detección de averías en motores c.c. basado en procesamiento de audio

Abstract

La presente monografía está compuesta por cinco capítulos; en el primer capítulo se estudia una revisión sistemática de trabajos previos basados en la aplicación de técnicas de aprendizaje automático en procesos industriales, el mantenimiento predictivo de motores BLDC y otros tipos de motores, análisis de audio y las señales que pueden ser efectivas para este fin. En el segundo capítulo se explica el principio funcionamiento de los motores BLDC, se plantea su modelo matemático y se realiza el proceso de caracterización para obtener la función de transferencia en estado pleno de funcionamiento del motor modelo a utilizar en el desarrollo experimental. Además, se detalla el experimento realizado para la obtención de los datos de entrada y salida y su preprocesamiento para la obtención de las características probadas y seleccionadas para alimentar los modelos predictivos a entrenar En el tercer capítulo se introducen las técnicas utilizadas para el desarrollo del mínimo producto viable en forma de aplicación que permita la implementación de los modelos seleccionados en un entorno industrial. Se exponen las metodologías utilizadas, sus ventajas y desventajas y las características que les acompañan. El capítulo cuarto presenta los resultados obtenidos y su discusión; se exponen las matrices de confusión y otras métricas de evaluación que, una vez comparadas con la naturaleza estadística de cada modelo permitirían establecer diferencias, ventajas y desventajas en cada etapa del desarrollo de la investigación. El quinto capítulo entrega las conclusiones de este trabajo de grado en investigación; se resumen las metodologías, resultados y análisis obtenidos y se destacan sus principales contribuciones. Además, se plantean desarrollos futuros en la línea del procesamiento de señales, inteligencia artificial y automatización.