Descripción del proyecto

Los sistemas productivos en manufactura y minería se encuentran constantemente bajo estrés, debido a la necesidad de cumplimiento de metas de producción y de reducción de costos. Bajo el contexto actual de creciente sensorización de los sistemas productivos, el desarrollo de técnicas de “Prognostics and Health Managment” (PHM) se hace cada vez más atractivo para que las empresas las incorporen a sus sistemas de mantenimiento, siendo el proceso de pronóstico uno de los temas principales de desarrollo a nivel mundial.

Desarrollar un sistema de PHM adecuado permite anticiparse a las fallas en sistemas o componentes críticos. Esto previene riesgos aumentando la seguridad de las personas y bienes, la confiabilidad y el intervalo entre mantenimientos, reduce las emergencias asociadas a fallas imprevistas, disminuye de los costos de mantenimiento y mejora en la calidad de la producción. Adicionalmente, el pronóstico de daños está en línea con el principio de sustentabilidad, esto es, un aumento de la disponibilidad y vida útil de los sistemas.

En la actualidad, la mayoría de los equipos y sistemas están siendo monitoreados en línea, generando enormes volúmenes de datos (Big Data). Esto implica una gran oportunidad para mejorar las técnicas de confiabilidad y mantenimiento de una estructura o equipo.

Este desarrollo tecnológico permitirá a la industria:
  • Evaluar la salud de un conjunto de máquinas utilizando un único método, en lugar de desarrollar un enfoque personalizado para cada variante de máquina.

  • Desarrollar un sistema de monitoreo que sea robusto frente a los cambios en el entorno de operación de la máquina, ya que hoy las estructuras modernas operan bajo diferentes condiciones de velocidad, carga y temperatura.

  • Minimizar la dependencia en la disponibilidad de datos de entrenamiento etiquetados.

En el Departamento de Ingeniería Mecánica de la Universidad de Chile se desarrollan técnicas de PHM en base a la combinación de herramientas de Aprendizaje Profundo (Deep Learning) con física de falla para el monitoreo y pronóstico de la salud en equipos o estructuras bajo incertidumbre. En particular, se han desarrollado algoritmos para detectar daño estructural a partir de imágenes, sensores de proceso (como por ejemplo, presión, temperatura, flujo), monitoreo de vibraciones, además de la detección y pronóstico de fallas en equipos rotores a partir de monitoreo y fusión de diversos tipos de sensores.

Dr. Enrique López
Director del proyecto

Dra. Viviana Meruane
Directora alterna

Volver a Proyectos