
En la clase los estudiantes podran conocer las principales técnicas y herramientas que fueron utilizadas en los casos de estudios que se tratarán en las proximas clases.
Los estudiantes podran conocer como se utilizó las funciones de pertenencia de la lógica difusa para transformar una base de datos y luego determinar las variables de diagnóstico y sus patrones de fallos.
En la clase se mostrará como se utilizó el análisis sistémico y la correlación para determinar las variables de diagnóstico en un parque eólico de seis aerogeneradores.
A través de dos ejemplos, una combinada cañera y un grupo electrógeno, y dos técnicas diferentes los estudiantes podrán conocer como se procesaron datos para determinar la criticidad de los sistemas y subsistemas de ambos equipos.
El análisis descriptivo y cuantitativo de una base de datos existente en un parue eólico permitio conocer el comportamiento de la funcionabilidad del mismo llegando a definir los principales fallos, los aerogeneradores de mayor indisponibilidad y su coeficiente de disponibilidad técnica (CDT).
La existencia en la Industria 4.0 de equipos con unidades de controles que registran, a través de sensores, gran cantidad de valores de variables y estos datos no se analizan para conocer patrones de fallos, variables de diagnóstico y llegar a una correcta decisión durante la explotación de las máquinas, este problema es un reto para el mantenimiento del siglo XXI el análisis de los datos existentes en los históricos de las unidades de control o de las SCADAS y expedientes de los equipos.
El curso está compuesto por una clase introductoria donde se dan a conocer técnicas y herramientas que se han utilizado en el procesamiento de datos para determinar variables de diagnóstico y sus patrones de fallos en equipos que se encuentran fundamentalmente en la generación de electricidad. Además, de cuatros conferencias fundamentadas en casos de estudios donde se determinaron variables de diagnóstico y patrones de fallos utilizando diferentes herramientas de procesamiento de datos. Estos casos de estudios respondieron a proyectos de investigación desarrollados por estudiantes y profesores.
La selección de las varaibles de diagnóstico y sus patrones permitieron la mejora del proceso de explotación de los equipos estudiados al definir los límites de un posible fallo.