Diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa

dc.contributorMaradey Lázaro, Jessica Gisella
dc.contributorMaradey Lázaro, Jessica Gisella [0000040553]
dc.contributorMaradey Lázaro, Jessica Gisella [0000-0003-2319-1965]
dc.contributorMaradey Lázaro, Jessica Gisella [57207878442]
dc.contributorMaradey Lázaro, Jessica Gisella [Jessica-Maradey-Lazaro]
dc.creatorMendoza Calderón, Karen Daritza
dc.creatorJaimes Álvarez, Andrés Felipe
dc.date.accessioned2021-10-01T19:46:30Z
dc.date.accessioned2022-09-28T19:04:01Z
dc.date.available2021-10-01T19:46:30Z
dc.date.available2022-09-28T19:04:01Z
dc.date.created2021-10-01T19:46:30Z
dc.date.issued2021
dc.identifierhttp://hdl.handle.net/20.500.12749/14497
dc.identifierinstname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifierreponame:Repositorio Institucional UNAB
dc.identifierrepourl:https://repository.unab.edu.co
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3711556
dc.description.abstractEl presente trabajo se refiere al diseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa. Se estudiarán tres tipos diferentes de fallas (eje pandeado, anillos de seguridad rotos en el pistón y tres grados de distensión de correas), mediante la implementación de kits en condición de falla vs condición normal para cada elemento se realiza la toma de vibración mediante la integración de un sensor piezoeléctrico Dytran 3056D2, en conjunto con una tarjeta de adquisición de datos NI-9230. Posteriormente, en una interfaz desarrollada en LabVIEW se procesa la señal recolectada y se obtiene el resultado de acuerdo con la falla tratada. Para la falla de distensión de la correa se implementara un algoritmo de detección y clasificación a partir de los datos experimentales y la técnica de aprendizaje automático.
dc.languagespa
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.publisherFacultad Ingeniería
dc.publisherPregrado Ingeniería Mecatrónica
dc.relation[1]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).
dc.relation[2]. Glen , White. (2010). Introducción al Análisis de Vibraciones (págs.53-55, 70-98). Woburn, MA EE. UU: Azima DLI Todos los derechos reservados.
dc.relation[3]. Lopez-Perez, D. y Antonino-Daviu, J. (2017). Aplicación de la termografía infrarroja a la detección de fallas en motores industriales de inducción: casos prácticos. Transacciones IEEE sobre aplicaciones industriales , 53 (3), 1901-1908.
dc.relation[4]. Liu, X., Zhou, Q. y Shen, H. (noviembre de 2018). Diagnóstico de fallas en tiempo real de maquinaria rotativa utilizando una red neuronal convolucional 1-D. En 2018 5th International Conference on Soft Computing & Machine Intelligence (ISCMI) (págs. 104- 108). IEEE.
dc.relation[5]. de Medeiros, EC, de Paula Mendonca, WR, de Barros, E. y Mathias, MH (2018). Diseño y evaluación de un banco de pruebas investigador-educativo aplicado a estudios de dinámica de rotores. Transacciones IEEE América Latina , 16 (8), 2161-2167
dc.relation[6]. de SS Martins, DH, Hemerly, DO, Marins, M., Lima, AA, Silva, FL, Prego, TDM, ... & da Silva, EA (2018, septiembre). Aplicación del aprendizaje automático para evaluar la severidad del desequilibrio en máquinas rotativas. En Conferencia internacional sobre dinámica de rotores (págs. 144-160). Springer, Cham
dc.relation[7]. ]. Ronquillo, E., & Douglas, C. (2019). Repotenciación del mantenimiento predictivo basado en el análisis de vibración enfocado a equipos rotatorios usados para el proceso de producción de una planta química ubicada en Guayaquil-Ecuador.
dc.relation[8]. Qian, W., Li, S., & Jiang, X. (2019). Deep transfer network for rotating machine fault analysis. Pattern Recognition, 96, 106993
dc.relation[9]. Li, X., Yang, Y., Bennett, I., & Mba, D. (2019). Condition monitoring of rotating machines under time-varying conditions based on adaptive canonical variate analysis. Mechanical Systems and Signal Processing, 131, 348 363. doi:10.1016/j.ymssp.2019.05.048
dc.relation[10]. Li, X., Zhang, W., Ma, H., Luo, Z., & Li, X.(2020). Domain Generalization In Rotating Machinery Fault Diagnostics Using Deep Neural Networks. Neurocomputing. doi:10.1016/j.neucom.2020.05.014
dc.relation[11]. Soto-Ocampo, C. R., Mera, J. M., Cano-Moreno, J. D., & Garcia-Bernardo, J. L. (2020). Low-Cost, High-Frequency, Data Acquisition System for Condition Monitoring of Rotating Machinery through Vibration Analysis-Case Study. Sensors, 20(12), 3493
dc.relation[12]. Zhou, P, Yang, Y., Wang, H., Du, M., Peng, Z., & Zhang, W. (2020). The relationship between fault-induced impulses and harmonic-cluster with applications to rotating machinery fault diagnosis. Mechanical Systems and Signal Processing, 144, 106896. doi:10.1016/j.ymssp.2020.106896
dc.relation[13]. Introducción al Mantenimiento Predictivo (PdM/CBM) - A-MAQ. (2020). from https://a-maq.com/intro_pdm/.
dc.relation[14]. Mantenimiento Predictivo basado en la Condición (CBM) | Cofrico. (2020). [Online], from https://www.cofrico.com/eficiencia-energetica/mantenimiento-predictivo-basado-en- la-condicion-cbm
dc.relation[15]. León Toapanta, F. A. (2012). Implementación de una Maquinaria para Diagnosticar Fallas en Bandas y poleas Mediante Análisis Vibracional en la Escuela de Ingeniería de Mantenimiento (Bachelor's thesis).
dc.relation[16]. Garrido, S. (2020). ¿Qué es el mantenimiento predictivo? Mantenimientopetroquimica.com. from http://www.mantenimientopetroquimica.com/mantenimientopredictivo.html.
dc.relation[17]. Mantenimiento predictivo vs mantenimiento basado en condición - Bneural Blog. Bneural Blog. (2020). from https://www.bneural.io/blog/diferencias-entre-mdp-y-mbc/.
dc.relation[18]. Mantenimiento predictivo vs monitoreo de condición. Metalmecanica.com. (2020). from http://www.metalmecanica.com/temas/Mantenimiento-predictivo-vs-monitoreo-de- condicion 123960#:~:text=Mientras el monitoreo de condición,pero no evita que falle
dc.relation[19]. Toapanta Núñez, Á. R. (2012). Determinación de Fallas Mediante Análisis Vibracional en los Equipos Críticos del Área de Envasado, Pasteurización y Homogenización de la Empresa PROLAC (Bachelor's thesis, Escuela
dc.relation[20]. Rossas Sarmiento, G. (2004). Estudio de vibraciones mecánicas en máquinas reciprocantes (Doctoral dissertation, Universidad Industrial de Santander, Escuela De Ing. Mecanica).
dc.relation[21]. Orellana, L., & Sebastián, G. (2014). Análisis de órbitas como técnica de diagnóstico de fallas en equipos rotatorios
dc.relation[22]. RESTREPO, L. B., MARÍN, J. J. C., & Gómez, A. L. (2006). Análisis de falla del eje de un motor eléctrico de una fábrica harinera. Tecnura, 9(18), 10-18
dc.relation[23]. Waldhauer, B., Schilling, U., & Szopa, J. (2004). Daños de pistones. from http://www.serviberlinas.com/pdf/danos_pistones.pdf
dc.relation[24]. Pedro Nelson Saavedra, La medición y análisis de las vibraciones como técnica de inspección de equipos y componentes, aplicaciones, normativas y certificación. Facultad de Ingeniería - Universidad de Concepción, Casilla 160 Concepción Chile
dc.relation[25]. Olarte, W., Botero, M., & Cañón, B. (2010). Técnicas de mantenimiento predictivo utilizadas en la industria. Scientia et technica, 2(45), 223-226.
dc.relation[26]. López, D. (2016). Diagnóstico de fallas de rodamientos de equipos de rotación utilizando redes neuronales artificiales. Pontificia universidad católica de Valparaíso. Recuperado de http://opac.pucv.cl/pucv_txt/txt-3500/UCD3634_01.pdf
dc.relation[27]. Nombela Escobar, B. (2011). Aplicación de técnicas de aprendizaje automático para la extracción de información en textos farmacológicos (Bachelor's thesis). Recuperado de https://core.ac.uk/download/pdf/29402658.pdf
dc.relation[28]. Ibm.com. Machine Learning. [online] . (2021). from https://n9.cl/bihpu
dc.relation[29]. Sánchez Moretti, J. A. (2014). Diagnóstico de fallas incipientes mediante la variación angular instantánea
dc.relation[30].https://www.ugr.es/~dpto_am/OLD/docencia/Apuntes/Fourier_y_sus_coeficientes_Ca nada.pdf
dc.relation[31]. R. Norton. Diseño de máquinas. Ed. Prentice Hall.
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsAbierto (Texto Completo)
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.titleDiseño y construcción de un banco de pruebas multifalla para diagnostico off-line en maquinaria rotativa


Este ítem pertenece a la siguiente institución