REVISTA DE INGENIERIA DYNA

Palabras clave:

Detección de fallas, Análisis de componentes principales, estadística multivariada, fusión de sensores, monitoreo de procesos, Fault detection, PCA, multivariate statistics, sensor fusion, process monitoring, embedded system, lean algorithm, predictive maintenance, multivariate statistics, turbojet

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Aunque el poder computacional de los sistemas embebidos ha aumentado en los últimos años, estos sistemas cada vez son responsables de un número mayor de tareas. Esto aumenta el interés por los algoritmos con bajo coste computacional para lograr que la operación de los procesos sea más eficiente y confiable. Esto es de particular relevancia en el caso de las computadoras de vuelo usadas en las aeronaves autónomas. La detección, el aislamiento y la identificación de fallas ayudan en estrategias de gestión para mejorar tanto el mantenimiento predictivo como la seguridad operativa. Este artículo combina una representación basada en componentes principales con estadística multivariada para detectar y aislar anomalías en procesos. El resultado es un algoritmo con bajo coste computacional, el cual se validó con mediciones experimentales en un turborreactor antes y después de años de funcionamiento. Los resultados muestran que el algoritmo desarrollado es capaz de determinar con éxito los componentes de ensuciamiento en el turborreactor.

Palabras Clave: Detección de fallas, Análisis de componentes principales, estadística multivariada, fusión de sensores, monitoreo de procesos