Aplicación del aprendizaje automático supervisado en el mantenimiento predictivo de los motores eléctricos de inducción en las empresas mineras del Perú

Abstract

La presente tesis persigue demostrar la mejora en fiabilidad y eficiencia que se consigue cuando se aplica el aprendizaje automático supervisado en el mantenimiento predictivo de los motores eléctricos de inducción en las empresas mineras del Perú. La fiabilidad y la eficiencia del mantenimiento predictivo que se realiza en un motor, es de suma importancia por el nivel de competitividad en la que las empresas, sobre todo mineras, se encuentran involucradas. Entre las diversas tecnologías de mantenimiento que se realizan a los motores en la empresas mineras del Perú, se prefiere emplear el mantenimiento predictivo porque con esa técnica se consigue aprovechar al máximo la vida útil de las partes del motor. Empleando al análisis matemático relacionado a: el nivel de aislamiento del bobinado del estator, las vibraciones mecánicas a la que está sometido el motor y el comportamiento de la corriente del estator. Se crea un cuadro comparativo de dos formas de realización de un mantenimiento predictivo de un motor eléctrico de inducción en una empresa minera del Perú. Mientras una emplea, sistemas de control conformados por elementos computarizados y de automatización para que realice el mantenimiento predictivo adecuado. La otra lo hace en base a sistemas de control conformados por algoritmos basados en aprendizaje automático supervisado y machine learning.