Predicción de vida útil remanente en rodamiento aplicando Machine Learning: Una revisión Sistemática de Literatura

Abstract

Los equipos de rotación son equipos que con mucha frecuencia se encuentran instalados en toda planta industrial y los rodamientos son los componentes que con mayor frecuencia fallan. Este motiva a que anticiparse a la ocurrencia del fallo en estos elementos, conlleve benéficamente a la reducción de pérdidas ocasionado por estas averías. En tal virtud, realizar un estudio de revisión sistemática de literatura (LSR), que permita conocer cuáles son los principales problemas que abordan las investigaciones en el campo de predicción de la vida útil remanente en rodamientos, así como identificar cuáles son los modelos de Machine Learning más empleados, resulta relevante. Para el desarrollo de este estudio se aplicó la metodología PRISMA, y el protocolo de Kitchenham para garantizar la confiabilidad de los resultados. Como resultado de la etapa selección de información se identificaron 35 artículos publicados en el periodo de 2018 a 2021, los cuales fueron sometidos a análisis. Se identificaron tres problemas que abordan los diferentes estudios: la extracción de características, la identificación de la etapa de degradación y la implementación de modelos generalizables. Los modelos más empleados corresponden al campo de Deep Learning.