Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Borras Pinilla, CarlosDiaz Guerrero, Pedro JoseGalindo Gamez, Oscar EnriqueAroca Fragozo, Oscar Ivan2023-04-0620232023-04-0620192019https://noesis.uis.edu.co/handle/20.500.14071/13924El 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%. 1application/pdfspainfo:eu-repo/semantics/openAccessTribologíaMotor Caterpillar 3508Análisis De Componentes Principales (Pca)Máquinas De Soporte Vectorial (Svm).Modelo de deteccion de fallas en motores caterpillar 3508b usando maquinas de soporte vectorial (svm) y analisis de componentes principales (pca) en muestras de aceiteUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coTribologyMotor Caterpillar 3508Analysis Of Main Components (Pca)Vectorial Support Machines (Svm).Model of detection of faults in caterpillar 3508b engines using vectorial support machines (svm) and analysis of main components (pca) in oil samples.3http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)