(CONAIISI 2021, 2021-11) Pacchiotti, Mauro José; Paletto, Pablo Andrés
En la Industria 4.0, la utilización de las TICs posibilita la recolección y procesamiento de gran
cantidad de datos acerca del funcionamiento de los diferentes equipamientos industriales, por lo que
representa un desafío el aprovechar los conjuntos de datos de distintos sensores para tareas de
mantenimiento predictivo de los dispositivos. Este trabajo propone un modelo experimental que simula
la captura de datos y clasificación del estado de un dispositivo en tiempo real, utilizando datos
sintéticos, datos provistos por la industria y modelos de aprendizaje profundo. Se realizaron dos
experimentos con series de datos de diferente origen y características para entrenar los modelos de
aprendizaje profundo, logrando una alta precisión en la predicción del estado del dispositivo en función
de los valores de los sensores en los instantes previos.
