Detección y clasificación de fallos en motores mediante procedimientos Boosting

Abstract

En cualquier tipo de motor, los fallos siempre están presentes. Una inspección del motor podría indicarnos el estado del mismo, pudiendo así preveer futuras averías. Sin embargo, puede existir imposibilidad de parar un motor para inspeccionarlo ya sea porque su funcionamiento es continuo o por ser una tarea costosa que implique montado y desmontado de numerosas piezas. Mediante la toma de medidas de una corriente inducida en el variador del motor por vibraciones debidas a fallos en el rotor, podemos tratar de predecir el estado del motor sin hacer una inspección invasiva. Esta metodología de mantenimiento predictivo se conoce como Motor Current Signature Analysis. En este trabajo se presenta una metodología estadística basada en técnicas de Boosting para clasificar los motores en un estado de deterioro según las medidas de esta corriente inducida. La metodología desarrollada explora los diferentes procedimientos boosting existentes en la literatura, incluyendo aquellos de más reciente desarrollo, y determina que existen factores que hacen que deban utilizarse distintos clasificadores para la detección de fallos. Además permite, no solo saber qué variables deben utilizarse en cada configuración de motor para obtener los mejores resultados en lo que se refiere a la detección y clasificación de fallos, sino que también permite establecer cómo cambian estas variables dependiendo del grado de deterioro del motor, lo que es una aportación relevante al estado del arte en lo que se refiere a la detección y clasificación de fallos en este tipo de situaciones. Esta memoria plasma el conocimiento desarrollado para el Trabajo de Fin de Grado de Estadística de la Universidad de Valladolid. Desde el punto de vista estadístico, el interés del trabajo reside en el uso de boosting, una metodología estadística que está en boga en la comunidad científica y que cada vez más demuestra dar buenos resultados, en establecer una metodología de interpretabilidad para estos modelos y en la aplicación de restricciones isotónicas para la mejora de la predicción.

In any kind of motor, failure is always present. Close up inspection could tell us its current state, therefore avoiding future problems. However, we can't always check up the motor in detail, because it needs to be working constantly or disassembling it is not viable. By taking some current measures induced by vibrations caused by deterioration in the rotor, we can try to predict its current wearing status without performing an invasive check-up. This predictive maintenance technique is known as Motor Current Signature Analysis. This project showcases a Boosting-driven statistical methodology for motor classification according to their wearing status using the induced current measurement. The methodology developed explores the different boosting procedures existing in the literature, including those of more recent development, and determines that there are factors that make it necessary to use different classifiers for fault detection. Furthermore, it allows not only to know which variables should be used in each engine configuration to obtain the best results in terms of fault detection and classification, but also to establish how these variables change depending on the degree of engine deterioration, which is a relevant contribution to the state of the art in terms of fault detection and classification in this type of situation. This document shows the development for the Final Degree Project for the Statistics Degree at the University of Valladolid. From a statistical point of view, the interest of this project is to apply boosting techniques, a state of the art algorithm that continuously proves to give good results, to develop an interpetation methodology for these methods and to include isotonic restrictions to improve predictive performance.