Estudi de la detecció de falles en maquinària mitjançant algorismes de machine learning

Abstract

Aquest treball es centra en el desenvolupament d'algoritmes de Machine Learning per a la detecció i classificació de falles en una màquina a partir de dades generades pels seus sensors. Aquestes mesures dels sensors (un tacòmetre i sis acceleròmetres) han estat analitzades i transformades en els indicadors més adients per tal de que els models de Machine Learning tinguin més facilitat per trobar patrons en les dades i determinar l’estat de la màquina. S’ha realitzat un algoritme per a la detecció de falles, utilitzant com a model la distribució normal multivariada, i dos algoritmes per a la seva classificació segons el tipus de falla de què es tracti, mitjançant una xarxa neuronal i un Random Forest, respectivament. El fet de poder identificar falles abans de que causin complicacions importants pot conduir a una reducció en els costos de manteniment i a un allargament de la vida útil de les màquines. Per aquest motiu, s’han desenvolupat algoritmes de Machine Learning que duguin a terme aquesta tasca i s’ha obtingut una precisió molt elevada. A més, s’han dut a terme diverses metodologies per evitar l’overfitting en els algoritmes (que els models s’ajustin massa a les dades d’entrenament i no funcionin tan positivament per a dades no vistes prèviament).