Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Borras Pinilla, CarlosVargas Silva, Willian2024-03-0320172024-03-0320172017https://noesis.uis.edu.co/handle/20.500.14071/37154El presente trabajo se basa en la creaci´on de un modelo de mantenimiento predictivo confiable aplicado a bombas centr´ıfugas, diferente a los que se aplican en el sector O´ıl & Gas. Este, es un modelo que calcula la vida remanente de equipos rotativos. Con este trabajo se busca reducir el tiempo muerto del equipo y maximizar la vida activa del mismo, logrando menores costos del ciclo de vida. Para el desarrollo del modelo se recopil´o una base de datos (seis a˜nos) de trece bombas centr´ıfugas (operacionalmente activas) de las plantas de hidrotratamiento de combustible de la refiner´ıa de Barrancabermeja, las cuales tuvieron fallas solo por desgaste natural de acuerdo a sus condiciones operacionales. Se utiliz´o la librer´ıa de redes neuronales del programa Matlab para crear 4 modelos de predicci´on de vida remanente de las bombas, utilizando las siguientes arquitecturas: Feed-forward, Nonlinear AutoRegressive model with eXogenous input NARX, Red neuronal recurrente y Red basada en retardos de tiempo. Se evaluaron las cuatro opciones y finalmente se seleccion´o la red neuronal Feedforward como la m´as precisa y confiable para el modelo. Con lo anterior se logr´o crear un nuevo modelo innovador de mantenimiento, donde se asocian todas las variables operacionales del equipo, con resultados que aumentan la vida ´util de las bombas.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Red NeuronalEquipos RotativosPredictivoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestriaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coNeural NetworkRotating EquipmentPredictive.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)