Incremento del Tamaño de los Datos para la Detección de Fallos en Maquinaria Rotativa

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.