Este trabajo implementó un modelo de redes neuronales artificiales (RNA) de tipo feedforward en la predicción de fallas de un proceso industrial; para esto, inicialmente se realizó una revisión de los respectivos datos históricos de proceso, teniendo en cuenta las variables relacionadas y las diferentes fallas reportadas. Posteriormente, con estos datos se entrenaron y validaron diferentes estructuras de RNA, cambiando parámetros de arquitectura. Los cálculos con las RNA fueron ejecutados con el programa de uso libre Python, utilizando la función Keras, programada en Google Colab. Según los resultados, las fallas detectadas en la unidad industrial se localizaron en un ventilador, un intercambiador y una válvula, en una ventana de operación de 3 años. Asimismo, los cálculos con las RNA mostraron que al aumentar el número de neuronas en la capa interna el MSE aumento para un determinado parámetro de arquitectura. También, la función de activación de mejor desempeño correspondió a la Tanh. Finalmente, la red de mejor desempeño correspondió a la arquitectura 30:30:1 – Tanh.
PDF 
