Diagnóstico de falla de rodamientos con Machine Learning

[PCUSIHUAMAN]

Resumen.

El objetivo principal fue la implementación de modelos supervisados de machine learning para poder determinar si un rodamiento presenta falla de pista exterior o no, también evaluación del mejor tratamiento de datos para optimizar resultados, para ello se monitoreó vibraciones en un rodamiento el cual presenta un inicio normal y en el tiempo es llevado a la falla, con un equipo acelerómetros ICP de cuarzo de alta sensibilidad
PCB 353B33.
Se aplicaron 03 modelos supervisados que fueron Decision tree
Logistic regression, Random forest y Extreme gradient boosting (XGBoost) y se han utilizado 3 datasets distintos:
Dataset dominio en el tiempo (20,480 variables + 1 variables objetivo, 982 registros)
Dataset dominio en frecuencias (10,240 variables + 1 variables objetivo, 982 registros)
Dataset características estadísticas de señales (9 variables + 1 variables objetivo, 982 registros)