Browsing by Author "Martin Aragon Salas, Luis Carlos"

Now showing 1 - 1 of 1
  • ItemOpen Access
    Desarrollo de un modelo predictivo para estimar el tiempo de vida útil remanente en bombas centrífugas mediante análisis de componentes principales
    (Universidad Nacional Jorge Basadre Grohmann, 2026) Martin Aragon Salas, Luis Carlos; Almanza Quispe, Williams Sergio
    El estudio tuvo como propósito desarrollar un modelo predictivo híbrido basado en el Análisis de Componentes Principales (PCA) y Redes Neuronales Artificiales (RNA) para estimar el tiempo de vida útil remanente (RUL) de bombas centrífugas empleadas en entornos industriales. El enfoque metodológico comprendió tres etapas: análisis del comportamiento operativo, diseño del modelo predictivo y evaluación del desempeño mediante métricas de precisión. En la fase de análisis, se examinaron las variables vibración RMS, caudal, presión y gradiente térmico, evidenciando estabilidad general y tendencias que reflejaron los procesos de degradación progresiva. A través del PCA, se logró reducir la dimensionalidad del conjunto de datos, concentrando más del 90 % de la varianza total en cuatro componentes principales, de los cuales el PC3 resultó ser el más influyente en la predicción del RUL, al relacionarse con factores térmicos y vibracionales. El modelo fue implementado mediante una red neuronal tipo perceptrón multicapa (MLP), entrenada con el algoritmo Adam y función de activación ReLU. En la fase de entrenamiento, se obtuvo un R² = 0.9213, con MAE = 16.93 h y RMSE = 20.75 h, evidenciando un adecuado ajuste a los datos históricos. En la validación, el desempeño disminuyó (𝑅² = 0.1483, 𝑀𝐴𝐸 = 27.69 ℎ, 𝑅𝑀𝑆𝐸 = 33.18 ℎ), reflejando sensibilidad a la variabilidad operativa. En el conjunto de prueba, el modelo alcanzó un desempeño intermedio (𝑅² = 0.5203, 𝑀𝐴𝐸 = 17.45 ℎ, 𝑅𝑀𝑆𝐸 = 22.02 ℎ), logrando capturar la tendencia general del RUL frente a datos no vistos. Los resultados demostraron que el modelo PCA–RNA es viable para estimaciones iniciales del RUL, permitiendo anticipar la degradación de las bombas y apoyar la planificación del mantenimiento predictivo. Su aplicación contribuye a optimizar tiempos de intervención, reducir costos operativos y aumentar la confiabilidad en sistemas industriales.