Diagnóstico y Evaluación de la Severidad de Fallos de Máquinas Rotativas Basado en el Análisis de las Señales de Monitoreo de la Condición Empleando Técnicas de Minería de Datos

Este proyecto aborda la necesidad de reducir los costos operativos, específicamente los de mantenimiento, mediante la implementación de estrategias proactivas, enfocándose en el Mantenimiento Basado en la Condición (CBM). El CBM busca evitar tareas de mantenimiento innecesarias recomendando acciones solo ante evidencia de comportamiento anómalo, lo que reduce significativamente los costos y mejora la precisión predictiva. La metodología propuesta se estructura en fases clave: revisión bibliográfica para caracterizar los elementos necesarios; caracterización de fallos incipientes en componentes críticos (rodamientos, engranajes, bombas) y construcción de una base de datos robusta con señales de vibración, acústicas y eléctricas. Posteriormente, se procesan estas señales (dominio del tiempo, frecuencia y tiempo-frecuencia) para extraer y seleccionar los parámetros o síntomas de condición más adecuados. Finalmente, se implementa y evalúa una biblioteca de algoritmos de diagnóstico y evaluación de severidad basados en minería de datos para clasificar y evaluar la eficiencia de los clasificadores. Objetivo: Diseñar algoritmos de diagnóstico y evaluación de la severidad de fallos para máquinas rotativas, basándose en el análisis de señales de monitoreo de la condición mediante el empleo de técnicas de minería de datos. Líneas de investigación: Ingeniería de control y tecnologías de automatización