Monitoreado de condición en máquinas rotatorias: tendencias en la aplicación de la Inteligencia Artificial

Resumen

Debido al creciente interés en mejorar la eficiencia y confiabilidad del mantenimiento industrial, el monitoreado de condición ha evolucionado con la integración de técnicas de Inteligencia Artificial. En este contexto, se han desarrollado enfoques avanzados para la detección temprana de fallos en máquinas rotatorias, con énfasis en el análisis de vibraciones como fuente principal de información. El presente artículo presenta la revisión realizada a las tendencias actuales en la aplicación de la Inteligencia Artificial al monitoreado de condición, abordando diferentes técnicas como el aprendizaje automático y el aprendizaje profundo. Se examinaron diversas metodologías, incluyendo el uso de redes neuronales y modelos híbridos, con el objetivo de optimizar la identificación de comportamientos anormales en equipos industriales. Además, se analizaron los inconvenientes asociados a la implementación de estos sistemas, tales como la interpretabilidad de los modelos, la gestión de grandes volúmenes de datos y la integración de múltiples fuentes de información en el proceso de diagnóstico. Finalmente, se exploraron las perspectivas futuras en la aplicación de estas tecnologías, señalando la importancia de enfoques que combinen la experiencia en ingeniería con modelos basados en datos, con el objetivo de mejorar la precisión y confiabilidad del monitoreado de condición en la industria.