Please use this identifier to cite or link to this item: https://repositorio.pascualbravo.edu.co/handle/pascualbravo/2303
Title: Implementación de analítica de datos para el mantenimiento predictivo de motores eléctricos.
Authors: Correa Mira, Cristian Andrey
Escobar Galvis, Julián Alberto
Mena Perea, Jorge Iván
metadata.dc.contributor.advisor: Villa Salazar, Arley Fernando
Lemmel Velez, Karen
metadata.dc.subject.proposal: Motores eléctricos
Análisis informático
Analítica de datos
Estadística
metadata.dc.subject.keyword: analysis of data
Statistics
Publisher: Institución Universitaria Pascual Bravo
Abstract: En este proyecto de grado, se realizó una valoración exhaustiva de diversas variables de los motores eléctricos con el objetivo de mejorar el proceso de mantenimiento predictivo. Se aplicaron técnicas estadísticas y estrategias de supervisión de datos para evaluar la importancia y el comportamiento de estas variables. Además, se llevó a cabo una evaluación de la confiabilidad de los datos obtenidos, lo cual resulta crucial para garantizar la efectividad del mantenimiento predictivo. La implementación de estrategias de mantenimiento adecuadas es esencial para garantizar la confiabilidad y el rendimiento óptimo de los motores eléctricos en los procesos productivos. En este sentido, se propuso una solución basada en la analítica de datos para prevenir fallos y mejorar el mantenimiento predictivo; Esta solución, además de ser viable, adaptable y escalable, minimizó el impacto económico y los posibles accidentes asociados a la detención de la producción para el monitoreo del estado del motor. Los resultados obtenidos contribuyeron a una toma de decisiones más informada y eficiente en el mantenimiento, lo que se tradujo en una mayor productividad y rentabilidad para las empresas. Asimismo, se amplió el conocimiento sobre el uso de la analítica de datos en este contexto, proporcionando una alternativa innovadora y eficaz para mejorar el mantenimiento de los motores eléctricos en el ámbito industrial.
metadata.dc.description.abstracteng: In this graduate project, a comprehensive assessment of various variables of electric motors was conducted with the aim of enhancing the predictive maintenance process. Statistical techniques and data monitoring strategies were employed to evaluate the significance and behavior of these variables. Additionally, a reliability evaluation of the obtained data was carried out, which is crucial for ensuring the effectiveness of predictive maintenance. Implementing appropriate maintenance strategies is essential to ensure the reliability and optimal performance of electric motors in production processes. In this regard, a data analytics-based solution was proposed to prevent failures and enhance predictive maintenance. By acquiring and analyzing data on current, voltage, and temperature, the goal was to detect anomalies and proactively address potential motor failures. This solution proved to be viable, adaptable, and scalable while minimizing the economic impact and potential accidents associated with production downtime for motor monitoring. The results achieved in this project led to more informed and efficient decision-making in maintenance, resulting in increased productivity and profitability for companies. Moreover, it expanded the knowledge regarding the use of data analytics in this context, offering an innovative and effective alternative to enhance the maintenance of electric motors in the industrial domain.
URI: https://repositorio.pascualbravo.edu.co/handle/pascualbravo/2303
Appears in Collections:Ingeniería Eléctrica

Files in This Item:
File Description SizeFormat 
Rep_IUPB_Ing_Ele_Analítica_Datos.PDF2,15 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons