Pronóstico y gestión de la salud de los sistemas de ingeniería: Una introducción

Pronóstico y gestión de la salud de los sistemas de ingeniería

Sobre el Libro

Pronóstico y gestión de la salud de los sistemas de ingeniería: Una introducción (Prognostics and Health Management of Engineering Systems: An Introduction) es un libro de 361 páginas escrito por Nam-Ho Kim, Dawn An y Joo-Ho Choi. Fue publicado por la editorial Springer en el año 2017 en su primera edición.

Descripción del Libro

Este libro presenta los métodos para predecir el comportamiento futuro de la salud de un sistema y la vida útil restante para determinar un programa de mantenimiento adecuado. Los autores presentan la historia, las aplicaciones industriales, los algoritmos y los beneficios y desafíos de PHM (Pronósticos y gestión de la salud) para ayudar a los lectores a comprender este enfoque de ingeniería altamente interdisciplinario que incorpora tecnologías de detección, física de fallas, aprendizaje automático, estadísticas modernas e ingeniería de confiabilidad. Es ideal para principiantes porque presenta varios algoritmos de pronóstico y explica sus atributos, pros y contras en términos de definición del modelo, estimación de parámetros del modelo y capacidad para manejar el ruido y el sesgo en los datos, lo que permite a los lectores seleccionar los métodos apropiados para sus campos de solicitud.

Entre los muchos temas que se tratan en profundidad se encuentran:

  • Tutoriales de pronóstico usando mínimos cuadrados.
  • Inferencia bayesiana y estimación de parámetros.
  • Algoritmos de pronóstico basados ​​en la física que incluyen mínimos cuadrados no lineales, método bayesiano y filtro de partículas.
  • Algoritmos de pronóstico basados ​​en datos que incluyen la regresión del proceso gaussiano y la red neuronal
  • Comparación de diferentes algoritmos de pronóstico.

Los autores también presentan varias aplicaciones de los pronósticos en sistemas prácticos de ingeniería, incluido el desgaste en una junta giratoria, el crecimiento de grietas por fatiga en un panel, los pronósticos utilizando datos de pruebas de vida acelerada, el daño por fatiga en los rodamientos y más. Se proporcionan tutoriales de pronóstico con un código de Matlab utilizando ejemplos simples, junto con un sitio web complementario que presenta programas de Matlab para diferentes algoritmos, así como datos de medición. Cada capítulo contiene un conjunto completo de problemas de ejercicios, algunos de los cuales requieren programas de Matlab, lo que lo convierte en un libro ideal para estudiantes graduados en ingeniería mecánica, civil, aeroespacial, eléctrica e industrial y mecánica de ingeniería, así como para investigadores e ingenieros de mantenimiento en la por encima de los campos.

Sobre los autores

El Dr. Nam-Ho Kim es profesor de ingeniería mecánica y aeroespacial en la Universidad de Florida. Sus áreas de investigación son la optimización del diseño estructural, análisis de sensibilidad del diseño, diseño bajo incertidumbre, monitoreo de salud estructural, mecánica estructural no lineal y acústica estructural. Ha publicado tres libros y más de un centenar de artículos en revistas y congresos arbitrados en las áreas mencionadas.

El Dr. Dawn An recibió una licenciatura y una maestría en ingeniería mecánica de la Universidad Aeroespacial de Corea en 2008 y 2010, respectivamente. Comenzó un doctorado conjunto. en la Universidad Aeroespacial de Corea y la Universidad de Florida en 2011, y recibió su Ph.D. en 2015 como título conferido conjuntamente. Ahora es asociada postdoctoral en la Universidad de Florida. Su investigación actual se centra en mejorar los métodos de pronóstico para datos de daños reales que tienen limitaciones en términos de un número insuficiente de datos y un gran ruido en los datos sin modelo físico.

Joo Ho Choi es profesor en la Escuela de Ingeniería Mecánica y Aeroespacial de la Universidad Aeroespacial de Corea.

Tabla de Contenido

  • 1 Introducción.
  • 2 Tutoriales para pronósticos.
  • 3 Estadísticas bayesianas para pronósticos.
  • 4 Pronósticos basados en la física.
  • 5 Pronósticos basados en datos.
  • 6 Estudio sobre los atributos de los métodos de pronóstico.
  • 7 Aplicaciones de los pronósticos.

A continuación se muestra un extracto del libro:

Capítulo 1: Introducción

1.1 Pronósticos y manejo de la salud

El pronóstico y la gestión de la salud (PHM) es un nuevo enfoque de ingeniería que permite la evaluación de la salud en tiempo real de un sistema en sus condiciones de funcionamiento reales, así como la predicción de su estado futuro basado en información actualizada mediante la incorporación de diversas disciplinas, incluida la detección. tecnologías, física de fallas, aprendizaje automático, estadísticas modernas e ingeniería de confiabilidad. Permite a los ingenieros convertir los datos y el estado de salud en información que mejorará nuestro conocimiento sobre el sistema y proporciona una estrategia para mantener el sistema en su función originalmente prevista. Si bien tiene sus raíces en la industria aeroespacial, ahora se explora en muchas aplicaciones, incluidas la industria manufacturera, automotriz, ferroviaria, energética y pesada.

Debido a que PHM puede predecir la vida restante real del sistema durante su operación, habilita el mantenimiento basado en condiciones (CBM), una nueva estrategia de mantenimiento que solo puede reparar / reemplazar partes realmente dañadas, lo que puede reducir los costos totales del ciclo de vida. CBM consiste en sistemas automatizados de hardware y software que monitorean, detectan, aíslan y predicen el rendimiento y la degradación del equipo sin interrumpir el funcionamiento diario de los sistemas. En CBM, el mantenimiento de los sistemas / componentes se basa en la condición real del equipo en contraste con las averías o el mantenimiento programado. Para tomar una decisión oportuna sobre el mantenimiento, los pronósticos son una tecnología habilitadora clave para CBM.

Todo sistema deteriora su rendimiento con el tiempo sujeto al estrés o la carga en funcionamiento. Por lo tanto, se debe realizar un mantenimiento para asegurar un nivel satisfactorio de confiabilidad durante la vida útil del sistema. El mantenimiento más temprano ha sido el mantenimiento correctivo (también llamado mantenimiento reactivo, no planificado o en averías), que se lleva a cabo solo cuando ya se ha producido una falla, por lo tanto, es de naturaleza pasiva. Se ha colocado el mantenimiento correctivo, que a menudo se denomina mantenimiento de primera generación. desde máquinas hechas por humanos. Dado que el mantenimiento correctivo se produce después de que se agota la vida útil del sistema, no hay tiempo de preparación para el mantenimiento. A menos que las piezas de repuesto ya estén disponibles, el mantenimiento lleva más tiempo y el costo de la interrupción forzada es más alto. Dado que es difícil predecir cuándo fallará el sistema, la disponibilidad del sistema es deficiente. Sin embargo, solo reemplaza las piezas que realmente están averiadas, la cantidad de piezas de repuesto es la más pequeña.

Una técnica de mantenimiento posterior es el mantenimiento preventivo basado en el tiempo (también llamado mantenimiento planificado o mantenimiento de segunda generación), que establece un intervalo periódico para evitar fallas independientemente del estado de salud del sistema. Se ha aplicado la ingeniería de confiabilidad tradicional para establecer el intervalo adecuado, que utiliza los métodos de predicción de confiabilidad basados ​​en el manual o en datos de campo históricos. Esta es la estrategia de mantenimiento más popular en la que la mayoría de los reemplazos están programados previamente. El aspecto más importante del mantenimiento preventivo es el costo porque reemplaza todas las piezas, incluso si muchas de ellas no necesitan ser reemplazadas. El mantenimiento preventivo es rentable si se espera que todas las piezas fallen aproximadamente al mismo tiempo. Sin embargo, esta estrategia es ineficaz cuando solo una pequeña cantidad de piezas falla porque esta estrategia obliga a reemplazar muchas piezas que no van a fallar.

Para ilustrar el problema del mantenimiento desperdiciado, considere el mantenimiento de la reparación de grietas en los paneles de los aviones. La regulación de la Administración Federal de Aviación requiere reemplazar / reparar grietas del tamaño de 0.1 ”durante la inspección tipo C, que se realiza cada 6,000 ciclos de vuelo. Esta regulación está diseñada a partir de una evaluación de confiabilidad para mantener la estructura del avión segura en el nivel de confiabilidad de 10 ”, lo que significa una falla entre diez millones. Si existe una grieta del tamaño de 0,1 ”, la probabilidad de que la grieta crezca y se vuelva inestable en los próximos 6.000 vuelos es del orden de 10”. Por lo tanto, durante la inspección tipo C, si se detecta alguna grieta del tamaño de 0.1 ”, se debe reparar o si se detectan varias grietas, se debe reemplazar el panel. Este es un ejemplo típico de mantenimiento preventivo. Pero, un escenario extremo es que si hay diez millones de grietas del tamaño de 0.1 ”en un avión (esta es una suposición hipotética), solo una de ellas crecerá y se volverá inestable. Sin embargo, para mantener el avión seguro, se deben reparar los diez millones de grietas, lo que representa un gran aumento del costo de mantenimiento.

Con el rápido desarrollo de la tecnología, los sistemas modernos se vuelven cada vez más complejos mientras mantienen una mayor confiabilidad, y esto da como resultado un mayor costo de mantenimiento. Con el tiempo, el mantenimiento preventivo se ha convertido en un gasto importante para muchas empresas industriales. Con el fin de reducir el costo de mantenimiento mientras se mantiene el nivel deseado de confiabilidad y seguridad, el CBM ha aparecido como una solución prometedora, que consiste en realizar el mantenimiento solo cuando sea necesario, y el PHM es la tecnología clave para lograrlo.

Fin del extracto.

Referencias

Comprar en Amazon

Más Libros en Predictiva21

0 comentarios

Enviar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Revista #34 Predictiva21

ver todas las ediciones

Prueba nuestra nueva versión y da el salto a Fracttal con un increíble plan de migración. El futuro del mantenimiento está aquí. Ingresa a www.fracttal.com para más información.

Suscríbete a Predictiva21

Síguenos en Linkedin

×

Hola

Haz clic en nuestro representante para hablar por WhatsApp o escríbenos al correo contacto@predictiva21.com

× ¿Cómo podemos ayudarte?