MANTENIMIENTO INDUSTRIAL

MANTENIMIENTO INDUSTRIAL
MANTENIMIENTO PREDICTIVO METODOS DE DIAGNOSTICOS MODULO II UNIVERSIDAD NACIONAL DE TUCUMAN FACULTAD DE CIENCIAS EXACTAS Y TECNOLOGIA ING. JUAN CARLOS SANTANA SANCHEZ

ANALISIS VIBRATOROS EN TIEMPO Y FRECUENCIA Consecuentemente , las vibraciones en un equipo rotante resulta de la acción y reacción de fuerzas externas e internas del sistema. Cuando un equipo sufre deterioro en algún componente este se manifiesta aumentando sintomáticamente estas fuerzas modificando su intensidad y por lo tanto provocan variación en los niveles de vibración. Aprovechando este efecto muchos problemas en equipos rotantes pueden identificarse con la Técnica de Análisis de Vibraciones. Resulta imprescindible establecer con anticipación los parámetros de salida que representen el Estado Funcional Optimo del equipo como también los límites cuantitativos de operación.

DIAGNOSTICO Sabemos que , a menor vibración menores son los esfuerzos en una máquina rotante. Por consiguiente, debemos ser capaces de diagnosticar con la mayor certeza las causas que provocan estas variaciones de los esfuerzos. Lo interesante del análisis espectral es determinar, con la ayuda de la frecuencia, el origen de las fallas. Podemos evaluar: Desbalanceo, Desalineación, Eje Doblado, Resonancia, Solturas Mecánicas, Excentricidad, Problemas de transmisión a engranajes, Problemas en Rodamientos, etc.

Conclusiones Las señales causadas por vibraciones de mayor energía presentan frecuencias cercanas o igual a la de rotación de la máquina. Además , pueden aparecer frecuencias de excitación a 2, 3 ,4 ,etc. veces del rpm rotante que se llaman armónicas (2x,3x,4x). Asi las frecuencias vibratorias específicas de los elementos nos ayudan a comprender el origen del problema, mientras que la amplitud nos indican la gravedad de los mismos.

MANTENIMIENTO PREDICTIVO SISTEMAS DE DIAGNOSTICO

DIAGNOSTICO BASADO EN MODELOS: Independientemente de la técnica de control utilizado se puede emplear el diagnostico empleando modelos. Estos modelos se emplean para generar salidas que mediante un análisis posterior permiten determinar la ocurrencia de un fallo o el cambio a un estado que es previo a la ocurrencia del fallo. Las posibilidades de hacer un diagnostico es generar mediante dicho modelo las series que son captadas con los sensores que funcionan en el sistema el cual se está estudiando.

MANTENIMIENTO PREDICTIVO BASADO EN SISTEMAS EXPERTOS Los sistemas Expertos son una parte de la Inteligencia Artificial que es una rama de la informática que intenta conseguir que los ordenadores simulen la inteligencia humana. Estos sistemas son programas de computación interactivos que contiene la experiencia, conocimiento y habilidades propias de una persona o grupos de personas, que son especialistas en esta especialidad de Mantenimiento Industrial, de manera que permiten resolver problemas específicos de manera inteligente y satisfactoria. Los dos componentes de cualquier Sistema Experto son una “Base de Conocimientos” y un “Programa de Inferencia” , también llamado “Motor de Inferencias”. Estos programas de Inferencia manejan información almacenada en la base de datos y mediante procesos de búsqueda y comparación de patrones.

En el campo del Mantenimiento Predictivo los Sistemas Expertos se utilizan fundamentalmente como herramientas de diagnostico. Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipándose a los posibles incidentes que pudieran acontecer. Así, usando un modelo computacional del razonamiento de un experto humano, proporciona los mismos resultados que alcanzaría dicho experto.

MANTENIMIENTO BASADO EN REDES NEURONALES(RNA) Las redes neuronales artificiales son como una representación del cerebro humano que intenta simular su proceso de aprendizaje. Siendo el termino artificial que nos indica que estas redes se implementan en una computadora(ordenador) que es capaz de hacer un gran numero de operaciones que conlleva el proceso de aprendizaje. Las RNA tienen un gran número de procesadores artificiales virtuales interconectados que de forma simplificada simulan la funcionalidad de neuronas biológicas. Estas se modelan mediante un mecanismo de pesos, que son ajustados durante la fase denominada de “Aprendizaje”. Por otra parte en una RNA , además de los pesos y las conexiones , cada memoria tiene asociada una función matemática denominada Función de Transferencia. Dicha función genera la señal de salida de la neurona a partir de las señales de entrada.

Componentes de una Red Neuronal Artificial Existen una gran variedad de redes neuronales, todas ellas tienen una estructura común. Al igual que en el cerebro humano, una red neuronal esta formada por neuronas y las conexiones entre ellas. La neuronas intercambian información entre ellas a través de las conexiones que las unen. Estas conexiones están caracterizadas por un parámetro llamado peso y que sirve para dar más importancia a unas conexiones frente a otras. Una red neuronal tiene una configuración tal que dispone de una serie de neuronas de entrada , a través de interconexiones emite una salida, esta viene dada por tres funciones: 1) Función Propagación/Excitación, 2) Función Activación , 3) Función de Transferencia.

ESTRUCTURA GENERAL DE NEURONA ARTIFICIAL En el campo del Mantenimiento Predictivo las Redes Neuronales pueden ser empleadas de diversos modos. Pueden usarse para modelar un sistema en cuestión, de modo que pueda hacerse una comparación entre salidas del sistema y las de la red neuronal. Las discrepancias pueden ser un indicativo de un funcionamiento anómalo del sistema. También puede usarse su capacidad para discernir la pertenencia a una clase u otra de los datos que llegan a la Red. Otra manera de emplear las redes neuronales es predecir las salidas futuras de una serie determinada, de manera que sea posible anticiparse a los fenómenos que pudieran ocurrir en el sistema.

APLICACIONES DE REDES NEURONALES Las RNA han sido aplicadas a un número en aumento de solución de problemas en la vida real y atacando temas de complejidad, donde la mayor ventaja es la solución a casos complicados para la tecnología actual, tratándose de situaciones que no tienen solución algorítmica o cuya solución es muy compleja para ser encontrada. Detallamos que el éxito de la aplicación de estas redes RNA reside en el procesado paralelo, adaptativo y no lineal. Las RNA han encontrado muchas aplicaciones en la visión artificial, procesado de imágenes y señales, reconocimiento del habla, control de robots, inspección industrial y exploración científica. El dominio de aplicación de la RNA se puede clasificar de la siguiente forma; asociación, clasificación, regeneración de patrón, regresión y generación y optimización.

USOS DE RNA Clasificación de Patrones Aproximación de funciones Mapeo En lo que exista información imprecisa con tolerancia a fallos Aprendizaje Adaptativo Autoorganización Tolerancia a Fallos Operación en tiempo real Fácil construcción de circuitos integrados

BIBLIOGRAFIA: 1) GESTION DEL MANTENIMIENTO,KELLY-HARRYS 2) FIABILIDAD Y SEGURIDAD , CREUS 3) MANUAL DEL MANTENIMIENTO INTEGRADO, REY SACRISTAN 4) DOSSIER MANTENIMIENTO UNIVERSIDAD CARLOS III DE MADRID ,ESPAÑA 5) MANUAL DE MANTENIMIENTO , ALEJANDRO PISTARELLI

PREGUNTAS ???

GRACIAS

MANTENIMIENTO INDUSTRIAL

Presentaciones similares

Presentación del tema: "MANTENIMIENTO INDUSTRIAL"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback

Iniciar la sesión

Autorizarse a través de una red social:

MANTENIMIENTO INDUSTRIAL

Presentaciones similares

Presentación del tema: "MANTENIMIENTO INDUSTRIAL"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback