Pronóstico de Fallos en Electrodomésticos: Un Enfoque de Aprendizaje Automático para el Mantenimiento Predictivo
Autores: Fernandes, Sofia; Antunes, Mário; Santiago, Ana Rita; Barraca, João Paulo; Gomes, Diogo; Aguiar, Rui L.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Pronóstico de Fallos en Electrodomésticos: Un Enfoque de Aprendizaje Automático para el Mantenimiento Predictivo
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Aparatos de calefacción
Consumo de energía
Dispositivo defectuoso
Adquisición de datos
Detección de fallos
Modelos de mantenimiento predictivo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los aparatos de calefacción consumen aproximadamente el 48% de la energía gastada en electrodomésticos cada año. Además, un dispositivo que no funciona correctamente puede aumentar aún más el costo. Por lo tanto, es necesario crear métodos que puedan identificar las fallas y eventualidades del equipo antes de que ocurran. Esto solo es posible con una combinación de adquisición de datos, análisis y predicción/prevención. Este documento presenta una infraestructura que apoya las capacidades mencionadas anteriormente y se implementó para la detección de fallas en calderas, haciendo posible prever fallos y errores. También presentamos nuestros modelos iniciales de mantenimiento predictivo basados en los datos recopilados.
Descripción
Los aparatos de calefacción consumen aproximadamente el 48% de la energía gastada en electrodomésticos cada año. Además, un dispositivo que no funciona correctamente puede aumentar aún más el costo. Por lo tanto, es necesario crear métodos que puedan identificar las fallas y eventualidades del equipo antes de que ocurran. Esto solo es posible con una combinación de adquisición de datos, análisis y predicción/prevención. Este documento presenta una infraestructura que apoya las capacidades mencionadas anteriormente y se implementó para la detección de fallas en calderas, haciendo posible prever fallos y errores. También presentamos nuestros modelos iniciales de mantenimiento predictivo basados en los datos recopilados.