Predicción de daños por desgaste en contactos mecánicos móviles: análisis comparativo de algoritmos de regresión y...

Área de la Ciencia:

• Ciencias de los materiales
• Ingeniería mecánica
• Ciencia de los datos

Sus antecedentes:

• La predicción precisa del desgaste es vital para reducir los riesgos operativos, minimizar el tiempo de inactividad y extender la vida útil de los componentes en la fabricación, el transporte y la generación de energía.
• Los sistemas pin-on-disc se utilizan ampliamente para estudiar el comportamiento tribológico y el desgaste del material en condiciones controladas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo predictivo basado en el aprendizaje automático para estimar el volumen de desgaste en sistemas pin-on-disc.
• Identificar los parámetros más influyentes que afectan al desgaste y comparar el rendimiento de diferentes algoritmos de regresión para la predicción del desgaste.

Principales métodos:

• Se utilizaron datos experimentales que incluyen el coeficiente de fricción, la fuerza tangencial, la profundidad de penetración, la distancia de deslizamiento, la presión sonora y la carga.
• Técnicas de selección de características empleadas (envuelto y incrustado) para identificar parámetros predictivos clave.
• Determinado el tamaño óptimo de la muestra para equilibrar la complejidad del modelo y evitar el exceso de ajuste.
• Modelos de regresión aplicados y comparados: regresión lineal, máquinas vectoriales de soporte (SVM) y bosques aleatorios (RF).
• El rendimiento del modelo evaluado utilizando el error medio absoluto (MAE), el error medio de sesgo (MBE), el error cuadrado medio de raíz (RMSE) y el coeficiente de determinación (R2).

Principales resultados:

• La selección de características identificó con éxito los parámetros más relevantes para la predicción del desgaste, mejorando la precisión del modelo.
• La optimización del tamaño de la muestra mejoró la generalización del modelo, mitigando la falta de ajuste y el exceso de ajuste.
• El análisis comparativo demostró las diferentes capacidades predictivas de los diferentes algoritmos de regresión para la estimación del volumen de desgaste.
• Los modelos desarrollados proporcionaron evaluaciones cuantitativas del volumen de desgaste con métricas de error definidas.

Conclusiones:

• El estudio presenta un enfoque sistemático de aprendizaje automático para la predicción precisa del volumen de desgaste en los sistemas pin-on-disc.
• Los resultados ofrecen información valiosa sobre la importancia de los parámetros y el rendimiento del algoritmo para el análisis del desgaste.
• La investigación proporciona un marco sólido para los profesionales e investigadores que buscan mejorar la precisión de la predicción del desgaste y reducir los costos operativos industriales.