Desarrollo de un prototipo para el diagnóstico de fallas en rodamientos de motores eléctricos mediante redes neuronales
Cargando...
Archivos
Fecha
2025
Autores
Cepeda Hernández, Abraham Isaac
Negrete Negrete, Jean Carlos
Título de la revista
ISSN de la revista
Título del volumen
Editor
Ediciones Universidad Simón Bolívar
Facultad de Ingenierías
Facultad de Ingenierías
Resumen
El desarrollo de los avances tecnológicos en el ámbito industrial, son de entera necesidad para facilitar los procesos de comunicación efectiva, la producción y metodologías de diagnósticos de fallas de rodamientos en motores eléctricos como alternativas de solución en la normalización y estandarización de los datos. En ese sentido el área industrial en el que se concentra las actividades de servicio y talleres de manufactura de rodamiento para el funcionamiento de motores se destaca en utilizar recursos de redes neuronales como modelo de aprendizaje automático. Por consiguiente, el uso de redes neuronales es una de las herramientas más poderosas del aprendizaje de máquinas, en el que se ha transformado en un potencial de alto crecimiento en varios campos de la ingeniería a través de componentes de generalidades. De este modo, la importancia de las redes neuronales artificiales en la ingeniería mecatrónica, para determinar el uso de este modelo y unificar resultados. Poseen un ajuste aceptable al pronóstico del rodamiento de fallas en motores eléctricos, teniendo los grandes beneficios que estos recursos aportan a la industria, para superar dificultades de fallas y aplicar redes neuronales con inteligencia artificial y automatización son pilares de impacto empresarial que ofrecen calidad eficiente a las industrias.
The development of technological advances in the industrial field is essential to facilitate effective communication processes, production, and methodologies for diagnosing faults in electric motor bearings, as alternatives for data standardization and normalization. In this regard, the industrial sector, focused on service activities and bearing manufacturing workshops for motor operation, excels in the use of neural networks as a machine learning model. Consequently, the use of neural networks is one of the most powerful tools of machine learning, with high growth potential in various areas of engineering through general components. Therefore, the importance of artificial neural networks in mechatronics engineering is highlighted, to determine the use of this model and unify results. They are well- suited for predicting faults in electric motor bearings, leveraging the significant benefits these resources bring to the industry to overcome failure difficulties. The application of neural networks with artificial intelligence and automation are pillars of business impact that offer efficient quality to industries.
The development of technological advances in the industrial field is essential to facilitate effective communication processes, production, and methodologies for diagnosing faults in electric motor bearings, as alternatives for data standardization and normalization. In this regard, the industrial sector, focused on service activities and bearing manufacturing workshops for motor operation, excels in the use of neural networks as a machine learning model. Consequently, the use of neural networks is one of the most powerful tools of machine learning, with high growth potential in various areas of engineering through general components. Therefore, the importance of artificial neural networks in mechatronics engineering is highlighted, to determine the use of this model and unify results. They are well- suited for predicting faults in electric motor bearings, leveraging the significant benefits these resources bring to the industry to overcome failure difficulties. The application of neural networks with artificial intelligence and automation are pillars of business impact that offer efficient quality to industries.
Descripción
Palabras clave
CNN, Redes neuronales, Aprendizaje profundo, Rodamientos, Fallas de rodamientos, Mantenimiento, Preventivo
