Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0

Abstract

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.