Diagnóstico de falla de rodamientos con Machine Learning
Publicado: 15 Ago 2024, 11:45
Resumen.
El objetivo principal fue la implementación de modelos supervisados de machine learning para poder clasificar y predecir los tipos de fallas que pueden tener un rodamiento (falla pista interna, pista externa, elemento rodante), también evaluación del mejor tratamiento de datos para optimizar resultados para muestreos de vibración en el tiempo, para ello se monitoreó vibraciones en 04 rodamientos iguales (Rexnord ZA-2115) sujetos a 6000lbs de fuerza a 2000 RPM de giro los cuales presenta un inicio normal y en el tiempo llega a la falla de cada tipo, con un equipo acelerómetros ICP de cuarzo de alta sensibilidad
PCB 353B33, con 20Khz de muestreo.
Integrantes:
Johan Callomamani
Cesar Vicuña
Adolfo Ramon
Paul Cusi
Jairo Pinedo
GRUPO 06 SECCIÓN A
El objetivo principal fue la implementación de modelos supervisados de machine learning para poder clasificar y predecir los tipos de fallas que pueden tener un rodamiento (falla pista interna, pista externa, elemento rodante), también evaluación del mejor tratamiento de datos para optimizar resultados para muestreos de vibración en el tiempo, para ello se monitoreó vibraciones en 04 rodamientos iguales (Rexnord ZA-2115) sujetos a 6000lbs de fuerza a 2000 RPM de giro los cuales presenta un inicio normal y en el tiempo llega a la falla de cada tipo, con un equipo acelerómetros ICP de cuarzo de alta sensibilidad
PCB 353B33, con 20Khz de muestreo.
Integrantes:
Johan Callomamani
Cesar Vicuña
Adolfo Ramon
Paul Cusi
Jairo Pinedo
GRUPO 06 SECCIÓN A