Una revisión de las técnicas de inteligencia artificial en el diagnóstico de fallas de máquinas eléctricas

Área de la Ciencia:

• Ingeniería eléctrica
• Ciencias de la computación
• Inteligencia artificial

Sus antecedentes:

• Las máquinas eléctricas rotativas son activos industriales vitales.
• Las fallas en estas máquinas causan problemas significativos de tiempo de inactividad y seguridad.
• El diagnóstico eficaz de fallas es crucial para la integridad operativa.

Objetivo del estudio:

• Proporcionar una revisión exhaustiva de las técnicas de IA para el diagnóstico de fallas en máquinas eléctricas.
• Evaluar diferentes enfoques de IA basados en la precisión, la adaptabilidad y la complejidad.
• Orientar a los investigadores e ingenieros en el desarrollo de soluciones de diagnóstico avanzadas.

Principales métodos:

• Categoría y evaluación de métodos de IA supervisados, no supervisados, de aprendizaje profundo y híbridos/conjuntos.
• Análisis comparativo de las fortalezas y limitaciones de cada enfoque de IA.
• Discusión de tendencias emergentes como la IA explicable y los gemelos digitales.

Principales resultados:

• Las técnicas de IA ofrecen diversas capacidades para el diagnóstico de fallas en máquinas eléctricas rotativas.
• Cada categoría de IA presenta compensaciones únicas en el rendimiento y la implementación del diagnóstico.
• Las tendencias emergentes prometen sistemas de diagnóstico más robustos e interpretables.

Conclusiones:

• El diagnóstico de fallas impulsado por IA es esencial para mejorar la confiabilidad de las máquinas eléctricas rotativas.
• Se prevé un marco modular y recomendaciones prácticas para su aplicación.
• Esta revisión sirve como referencia para el desarrollo de soluciones de diagnóstico de IA escalables e interpretables.