Modelo de detección de fallas en motores Caterpillar 3508b usando máquinas de soporte vectorial (SVM) y análisis de componentes principales (PCA) en muestras de aceite

Aroca Fragozo, Oscar Iván

Modelo de detección de fallas en motores Caterpillar 3508b usando máquinas de soporte vectorial (SVM) y análisis de componentes principales (PCA) en muestras de aceite

dc.contributor.advisor	Borrás Pinilla, Carlos
dc.contributor.advisor	Díaz Guerrero, Pedro José
dc.contributor.advisor	Galindo Gámez, Oscar Enrique
dc.contributor.author	Aroca Fragozo, Oscar Iván
dc.date.accessioned	2023-04-06T15:31:42Z
dc.date.available	2023
dc.date.available	2023-04-06T15:31:42Z
dc.date.created	2019
dc.date.issued	2019
dc.description.abstract	El objetivo principal de este trabajo consiste en implementar técnicas avanzadas de detección y diagnóstico de fallas basándose en sistemas de aprendizaje, particularmente usar métodos estadísticos (análisis de componentes principales) y sistemas de aprendizaje (máquinas de soporte vectorial) para la detección y diagnóstico de los siguientes modos de falla: Combustión incorrecta, fuga del sistema de refrigeración, paso de gases al Carter de la cámara de combustión Blow-By, ingreso de partículas de medio ambiente, éstos cuatro modos de falla son los que más afectan los motores Caterpillar 3508B y se diagnostican aplicando la tribología en las muestras de aceite 15W40. La Tribología se considera una ciencia aplicable que conjuga toda una serie de elementos importantes en el diseño, fabricación y operación de las máquinas como la Fricción, naturaleza de los materiales, rugosidad, desgaste, lubricación, consumo de energía y medio ambiente, la tribologia detecta y diagnostica el estado de la falla en los componentes, según si la tendencia de uno o varios elementos y componentes propios del aceite de la maquina o externos a él, aumenta o disminuye de esta forma se pueden programar la reparación o cambio en una ventana de oportunidad. El algoritmo de PCA se implementa para reducir y clasificar la dimensión de la base de datos Historial tribología aceite 15W40, validando los vectores etiqueta de clases los cuales sirven de entrenamiento para el algoritmo de la SVM multiclase uno contra uno y uno contra todos, el mejor desempeño en cuanto a precisión y tiempo de procesamiento se obtuvo con los Kernel function Lineal con un método multiclase uno contra todos, el accuracy obtenido es de 99.9%.
dc.description.abstractenglish	The main objective of this work is to implement advanced detection and fault diagnosis techniques based on learning systems, particularly using statistical methods (analysis of principal components) and learning systems (vector support machines) for the detection and diagnosis of following failure modes: Incorrect combustion, refrigeration system leak, gas passage to the Blow-By combustion chamber Carter, environmental particulate entry, these four failure modes are the most affecting the Caterpillar 3508B engines and they are diagnosed by applying the tribology in the 15W40 oil samples. Tribology is considered an applicable science that combines a series of important elements in the design, manufacture and operation of machines such as friction, nature of materials, roughness, wear, lubrication, energy consumption and environment, the tribology detects and diagnoses the state of the failure in the components, according to whether the tendency of one or several elements and components of the oil of the machine or external to it, increases or decreases in this way can be programmed the repair or change in a window of opportunity. The PCA algorithm is implemented to reduce and classify the database dimension History tribology oil 15W40, validating the class tag vectors which serve as training for the algorithm of the SVM multiclase one against one and one against all, the best performance in terms of accuracy and processing time was obtained with the Kernel Function Linear with a one-to-all multiclass method, the accuracy obtained is 99.9%.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Gerencia de Mantenimiento
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/13924
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingenierías Fisicomecánicas
dc.publisher.program	Maestría en Gerencia de Mantenimiento
dc.publisher.school	Escuela de Ingeniería Mecánica
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Tribología
dc.subject	Motor Caterpillar 3508
dc.subject	Análisis de componentes principales (PCA)
dc.subject	Máquinas de soporte vectorial (SVM)
dc.subject.keyword	Tribology
dc.subject.keyword	Motor Caterpillar 3508
dc.subject.keyword	Analysis of Main Components (PCA)
dc.subject.keyword	Vectorial Support Machines (SVM)
dc.title	Modelo de detección de fallas en motores Caterpillar 3508b usando máquinas de soporte vectorial (SVM) y análisis de componentes principales (PCA) en muestras de aceite
dc.title.english	Model of detection of faults in caterpillar 3508b engines using vectorial support machines (svm) and analysis of main components (pca) in oil samples.3
dc.type.coar	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion	http://purl.org/coar/resource_type/c_bdcc
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type