Journal: | Ingenierías (Nuevo León) |
Database: | PERIÓDICA |
System number: | 000456124 |
ISSN: | 1405-0676 |
Authors: | Escalante, Hugo Jair1 Espinosa Guevara, Katia2 Berrones Santos, Arturo3 Saucedo Espinosa, Mario A3 |
Institutions: | 1Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, San Nicolás de los Garza, Nuevo León. México 2Instituto Tecnológico de El Mante, Ciudad Mante, Tamaulipas. México 3Instituto Nacional de Astrofísica, Optica y Electrónica, Coordinación de Ciencias Computacionales, Tonantzintla, Puebla. México |
Year: | 2012 |
Volumen: | 15 |
Number: | 55 |
Pages: | 15-22 |
Country: | México |
Language: | Español |
Document type: | Artículo |
Approach: | Analítico, crítico |
Spanish abstract | Se presenta un estudio comparativo de diferentes técnicas de aprendizaje computacional para la detección automática de fallas de baleros durante un proceso de manufactura. El objetivo es reducir costos por el pago de garantías e incrementar el prestigio de la marca. Mediciones recolectadas por sensores acústicos en línea de producción generan señales asociadas con el componente bajo estudio. A partir de las señales generadas se desea determinar si los baleros son defectuosos o no antes de que el producto salga a la venta. Se propone una solución basada en aprendizaje computacional y se evalúan diversas técnicas de clasificación. La mayoría de los métodos obtienen resultados aceptables, dando evidencia de la viabilidad del enfoque propuesto. Los métodos basados en similitud obtienen los mejores resultados en cuando a efectividad de detección, además de que son fáciles de implementar y altamente eficientes |
English abstract | This paper presents a comparative study of different machine learning techniques for the automated detection of bearing faults in a manufacturing process. The goal is to reduce costs derived from the payment of guaranty policies. Measurements collected by acoustic sensors provide signals associated with bearings of a manufactured product. These signals are used to determine whether bearings are defective or not before the product is put on sale. A solution based on machine learning is proposed and diverse methods are evaluated. Most of the tested techniques obtained acceptable performance, giving evidence of the effectiveness of the proposed approach. Similarity-based methods obtained the best performance across the considered techniques, besides accuracy this type of methods are easy to implement and highly efficient |
Disciplines: | Ingeniería |
Keyword: | Ingeniería mecánica, Aprendizaje asistido por computadora, Baleros, Detección de fallas, Fallas mecánicas, Fallas estructurales |
Keyword: | Bearings, Fault detection, Machine learning, Mechanical failures, Structural failures |
Full text: | https://ingenierias.uanl.mx/anteriores/55/55_deteccion_automatica.pdf |