Estudio comparativo de la aplicación de algoritmos de aprendizaje de máquina como soporte al mantenimiento basado en condición del proceso de ósmosis inversa

• Autor: Chavez Valdivia, Javier Alejandro
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18470
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18470
• Nivel de acceso: acceso abierto
• Materia: Mantenimiento; Inteligencia artificial; Mantenimiento basado en condición; Algoritmo de aprendizaje Máquina; Perceptrón de múltiples capas; K-Vecinos más cercanos; Osmosis inversa; Retrolavado.; https://purl.org/pe-repo/ocde/ford#2.02.03

La osmosis inversa es un proceso ampliamente utilizado en la purificación del agua por medio de una membrana semi permeable encargada de retener todas las partículas da niñas para el hombre. Sin embrago, el desgaste de esta puede comprometer tanto la calidad del producto como el rendimiento del equipo, lo que eventualmente podría requerir de un mantenimiento mayor. Esto reduciría la disponibilidad del activo y generaría retraso en la prestación del servicio a los clientes. Esta investigación se centro inicialmente en hacer un estudio comparativo entre diferentes algoritmos de aprendizaje máquina capaces de poder clasificar y monitorizar el estado en tiempo real del proceso de ´osmosis inversa de la empresa DILO y con ello evitar en lo posible un desmontaje del activo. Se utilizaron algoritmos de clasificación tales como el Perceptrón Multicapa (MLP) y K-Nearest Neighbors (KNN), ambos reconocidos por su eficiencia y potentes a la hora de clasificar. En cada uno se utilizaron como parámetros de entrada: flujo de permeado, conductividad, presión, TDS y pH, los cuales, a su vez son indicadores tanto de la calidad del agua como del rendimiento del proceso. Finalmente, tras realizar diferentes pruebas y análisis con ambos algoritmos, y ver los resultados de las métricas (precisión, error, f1-score y recall), nos mostraron que el MLP, con dos capas ocultas, es el más adecuado para esta problemática.