Resumen

Durante el funcionamiento de maquinaria y equipos industriales pesados, ciertas caraacterísticas físicas internas, como la temperatura del aceite, la presión del aceite, etc., cambian significativamente  al igual que ciertas variables ambientales, como la temperatura externa y la humedad. El análisis de los datos del sensor que captura estas variables puede revelar varias cosas, como la salud del equipo y posibles fallas. El monitoreo continuo de diversas variables, la predicción de fallas o degradación y la toma de acciones para prevenir este tipo de eventos se conoce como mantenimiento predictivo (MP), siendo uno de los componentes más importantes de la manufactura inteligente y de la Industria 4.0. Por lo tanto, el objetivo de este estudio se centra en la investigación de métodos relevantes y efectivos de Deep Learning (DP) aplicados en sensores de datos para mantenimiento predictivo en diversas industrias, incluyendo la industria petroquímica.

• Materias:Maquinaria - Mantenimiento y reparación Mantenimiento - Equipo y accesorios Mantenimiento
• Subjects:Machinery - Maintenance and repair Maintenance - Equipment and supplies Maintenance
• Palabras claves:Sensores electroquímicos, Sensores ambientales, Sensores físicos, Sensores acústicos, Sensores electrónicos, Sensores de imagen
• Keywords:Electrochemical sensors, Environmental sensors, Physical sensors, Acoustic sensors, Electric sensors, Image sensors