Detección y prognosis de anomalías aplicada a máquinas industriales

Abstract

El empleo de técnicas de minería de datos y aprendizaje automático en el marco industrial, aplicada sobre la maquinaria que conforma los procesos, supone un ahorro importante en los costes de mantenimiento, así como un alto impacto sobre la producción gracias a la detección temprana de problemas que provoquen indisponibilidades de estos equipos. Mediante la identificación de eventos anómalos acontecidos sobre estos equipos a lo largo de sus datos históricos de operación, se persigue el objetivo de predecirlos a futuro con la suficiente antelación y confianza, que permita planificar la reparación o sustitución del equipo previamente al fallo, con un coste económico más reducido. Además, la obtención de un índice de salud que mida el rendimiento de las máquinas resulta fundamental para planificar acciones de reparación sobre las mismas. El proyecto se ha planteado sobre un conjunto de datos de más de 2 millones de registros con información sobre el funcionamiento de 1900 máquinas durante varios años de operación.

L'ús de tècniques de mineria de dades i aprenentatge automàtic en el marc industrial, aplicada sobre la maquinària que conforma els processos, suposa un estalvi important en els costos de manteniment, així com un alt impacte sobre la producció gràcies a la detecció primerenca de problemes que provoquin indisponibilitats d'aquests equips. Mitjançant la identificació d'esdeveniments anòmals esdevinguts sobre aquests equips al llarg de les seves dades històriques d'operació, es persegueix l'objectiu de predir a futur amb la suficient antelació i confiança, que permeti planificar la reparació o substitució de l'equip prèviament a la decisió, amb un cost econòmic més reduït. A més, l'obtenció d'un índex de salut que mesuri el rendiment de les màquines és fonamental per planificar accions de reparació sobre les mateixes. El projecte s'ha plantejat sobre un conjunt de dades de més de 2 milions de registres amb informació sobre el funcionament de 1900 màquines durant diversos anys d'operació.

The use of data mining and machine learning techniques in the industrial framework, applied to the machinery that forms the processes, represents a significant saving in maintenance costs, as well as a high impact on production thanks to the early detection of problems that cause unavailability of these equipment. Through the identification of anomalous events that have occurred on these devices throughout their historical operation data, the objective of predicting them in the future with sufficient anticipation and confidence, to plan the repair or replacement of the equipment prior to the failure, with a prior lower economic cost. In addition, obtaining a health index that measures the performance of the machines is essential to plan repair actions on them. The project has been raised on a data set of more than 2 million records with information on the operation of 1900 machines during several years of operation.