Inteligencia artificial para la predicción de fallas en rodamientos de máquinas industriales basada en el ingreso de datos: Una revisión sistemática de la literatura

• Autores: Gamero Cardenas, Leonel Alfredo, Melo Medina, Paul Adrián, Rondán Sanabria, Gerby Giovanna
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14195
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14195; https://doi.org/10.18687/LACCEI2024.1.1.664
• Nivel de acceso: acceso abierto
• Materia: Inteligencia Artificial; Máquinas industriales; Fallas; https://purl.org/pe-repo/ocde/ford#2.11.04

La inteligencia artificial (IA) en el ámbito del mantenimiento predictivo se está volviendo cada vez más destacada, en especial, para la identificación de problemas en rodamientos de maquinaria industrial. El objetivo de la presente revisión sistemática de la literatura (RSL) es mostrar los métodos basados en IA son los más efectivos para la predicción de fallas en el análisis de diversas averías en rodamientos de maquinarias industriales. En la metodología se realizó una búsqueda manual de artículos originales en Scopus obteniendo 295 en total, de los cuales 55 estudios llegaron a cumplir con los criterios de inclusión establecidos. La aplicación de la inteligencia artificial para la identificación de problemas reduce los costos asociados a fallas de rodamientos, e incrementa en gran parte, la efectividad en la detección de fallas. Finalmente, los métodos con mayor eficiencia incluidos en esta RSL fueron: el método de red neuronal basada en una red de cápsula con bloque inicial (ICN) y el método de entropía de dispersión multiescala compuesta refinada (RCMDE.) con una eficiencia del 100% respectivamente.