Aportaciones para el diagnóstico y pronóstico en problemas industriales mediante técnica de Clasificación Supervisada

Autorea: Susana Ferreiro del Río Tesi zuzendaria Basilio Sierra, Facultad de Informática, UPV/EHU Data2012

El proyecto de tesis doctoral se basa en el estudio y aplicación de técnicas de Inteligencia Artificial para resolver problemas relacionados con el diagnóstico y el pronóstico que surgen en diferentes sectores industriales como pueden ser el aeronáutico o el químico.

La tesis aborda el problema de la detección/pronóstico del desgaste del freno del avión, la detección de rebaba generada durante el proceso de taladrado del ala de un avión y la detección de ciertos parámetros del aceite como la basicidad:

  • Gracias a las nuevas tecnologías, el mantenimiento en aeronáutica está evolucionando desde el mantenimiento correctivo y preventivo basado en el tiempo hacia el mantenimiento basado en la predicción que permita aumentar la operatividad del avión. Para poder realizar este tipo de mantenimiento es necesario que el sistema integre el diagnóstico y el pronóstico dentro de su arquitectura actual para evaluar y proyectar a futuro el estado/degradación de ciertos componentes (críticos) del avión como el freno.
  • Durante el proceso de taladrado llevado a cabo en las alas de los aviones se puede generar por cada taladrado realizado una porción de materia sobrante que se acumula en la superficie llamada rebaba. La generación de rebaba aumenta los costes en la fabricación y no permite que el proceso sea automático por lo que es necesario poder detectarla en tiempo real.
  • La basicidad del aceite (TBN) mide los aditivos básicos del aceite por lo que determinar el estado de esta propiedad es un buen indicador para estimar la degradación/oxidación del aceite y saber si es necesario cambiarlo. El TBN se mide en el laboratorio y además de consumir muchos recursos en costo en tiempo. Se requiere de un modelo que permita estimar este indicador.

La resolución de estos problemas se plantea mediante técnicas de Clasificación Supervisada. Se estudian y aplican diferentes algoritmos (basados en probabilidades como las Redes Bayesianas, árboles de clasificación, reglas de clasificación, basados en la distancia, etc.), explorando cuál aporta una mayor precisión y beneficio. Estos algoritmos se combinan con otro tipo de técnicas como algoritmos evolutivos o técnicas de análisis estadísticos en aquellos problemas en los que es necesario mejorar la precisión de los modelos.