Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
DYNA
Print version ISSN 0012-7353On-line version ISSN 2346-2183
Abstract
MAFLA-YEPEZ, Carlos Nolasco; MORALES-BAYETERO, Cesar Fabricio; HERNANDEZ-RUEDA, Erik Paul and BENAVIDES-CEVALLOS, Ignacio Bayardo. Gestión del mantenimiento de vehículos basada en el aprendizaje autónomo en motores de tractores agrícolas. Dyna rev.fac.nac.minas [online]. 2023, vol.90, n.225, pp.22-28. Epub Feb 13, 2024. ISSN 0012-7353. https://doi.org/10.15446/dyna.v90n225.103612.
El objetivo del trabajo es utilizar la metodología de aprendizaje autónomo como herramienta en la gestión del mantenimiento de vehículos. En la obtención de datos se han simulado fallos en el sistema de alimentación de combustible que provocan anomalías en el proceso de combustión que son fácilmente detectables por vibraciones obtenidas de un sensor en el motor de un tractor agrícola. Para entrenar el algoritmo de clasificación se utilizaron 4 estados del motor: BE (estado óptimo), MEF1, MEF2, MEF3 (fallas simuladas). El aprendizaje autónomo aplicado es del tipo supervisado, donde inicialmente se caracterizó y rotuló las muestras para crear una base de datos para la ejecución del entrenamiento. Los resultados muestran que el entrenamiento realizado dentro del algoritmo de clasificación tiene una eficiencia superior al 90%, lo que indica que el método utilizado es aplicable en la gestión del mantenimiento de vehículos para predecir fallas en el funcionamiento del motor.
Keywords : aprendizaje autónomo; algoritmo de clasificación; mantenimiento predictivo; vibraciones.