Pronósticos y Gestión de la Salud de la electrónica: fundamentos, aprendizaje automático e Internet de las cosas

Sobre el Libro

Pronósticos y Gestión de la Salud de la electrónica: fundamentos, aprendizaje automático e Internet de las cosas (Prognostics and Health Management of Electronics: Fundamentals, Machine Learning, and the Internet of Things) es un libro de 800 páginas escrito por Michael G. Pecht y Myeongsu Kang. Fue publicado por la editorial Wiley-IEEE Press en el año 2018 en su primera edición.

Descripción del Libro

Una guía indispensable para ingenieros y científicos de datos en diseño, pruebas, operación, fabricación y mantenimiento.

Una hoja de ruta hacia los desafíos actuales y las oportunidades disponibles para la investigación y el desarrollo de Pronósticos y Gestión de la Salud (PHM), este importante trabajo cubre todas las áreas de la electrónica y explica cómo:

  • Evaluar métodos para la estimación de daños de componentes y sistemas debido a las condiciones de carga del campo.
  • Evaluar el costo y los beneficios de las implementaciones de pronóstico.
  • Desarrollar métodos novedosos para el seguimiento in situ de productos y sistemas en condiciones reales del ciclo de vida.
  • Habilitar el mantenimiento basado en condiciones (predictivo).
  • Aumentar la disponibilidad del sistema a través de una extensión de los ciclos de mantenimiento y / o acciones de reparación oportunas.
  • Obtener conocimiento del historial de carga para el diseño futuro, la calificación y el análisis de la causa raíz
  • Reducir la aparición de fallos no encontrados (NFF).
  • Restar los costos del ciclo de vida del equipo de la reducción de los costos de inspección, el tiempo de inactividad y el inventario.
  • Pronósticos y gestión de la salud de la electrónica también explica cómo comprender las técnicas estadísticas y los métodos de aprendizaje automático utilizados para el diagnóstico y el pronóstico. Con este valioso recurso, los ingenieros eléctricos, los científicos de datos y los ingenieros de diseño podrán comprender completamente la sinergia entre IoT, el aprendizaje automático y la evaluación de riesgos.

Sobre los autores

Michael G. Pecht, PHD, es profesor titular de Ingeniería Mecánica y profesor de Matemáticas Aplicadas, Estadística y Computación Científica en la Universidad de Maryland, EE. UU. Es el fundador y director del Center for Advanced Life Cycle Engineering (CALCE) de la Universidad de Maryland, EE. UU., Que cuenta con la financiación de más de 150 empresas líderes en electrónica. El Dr. Pecht es miembro de IEEE, ASME, SAE e IMAPS y se desempeña como editor en jefe de IEEE Access. Ha escrito más de 30 libros, 700 artículos técnicos y tiene 8 patentes.

Myeongsu Kang, PHD, es actualmente investigador asociado en el Centro de Ingeniería Avanzada del Ciclo de Vida (CALCE) de la Universidad de Maryland, EE. UU. Su experiencia es en análisis de datos, aprendizaje automático, modelado de sistemas y estadísticas para el pronóstico y la gestión del estado de los sistemas. Ha sido autor / coautor de más de 60 publicaciones en revistas líderes y actas de congresos.

Tabla de contenido

  • 1 Introducción a PHM.
  • 2 sistemas de sensores para PHM.
  • 3 Enfoque de Física de Fallas para PHM.
  • 4 Aprendizaje automático: fundamentos.
  • 5 Aprendizaje automático: preprocesamiento de datos.
  • 6 Aprendizaje automático: detección de anomalías.
  • 7 Aprendizaje automático: diagnóstico y pronóstico.
  • 8 Representación, cuantificación y gestión de la incertidumbre en los pronósticos.
  • 9 Costo de PHM y retorno de la inversión.
  • 10 Valoración y optimización de decisiones de mantenimiento habilitadas por PHM.
  • 11 Estimación de la salud y de la vida útil restante de los circuitos electrónicos.
  • 12 Cualificación de electrónica basada en PHM.
  • 13 PHM de baterías de iones de litio.
  • 14 PHM de diodos emisores de luz.
  • 15 PHM en Salud.
  • 16 PHM de cables submarinos.
  • 17 Diagnósticos y pronósticos de vehículos conectados.
  • 18 El papel de PHM en Commercial Airlines.
  • 19 Software PHM para Electrónica.
  • 20 eMantenimiento.
  • 21 Mantenimiento predictivo en la era de IoT.
  • 22 Análisis de patentes PHM para electrónica.
  • 23 Una hoja de ruta de PHM para sistemas ricos en electrónica.

A continuación se muestra un extracto del libro:

1 Introducción a PHM (Pronósticos y Gestión de la Salud)

Michael G. Pecht y Myeongsu Kang
Universidad de Maryiaris, Centre dor Adwanced Le Cycle Engíreerma, Coltege Pork. MD EE. UU.

Como resultado de una intensa competencia global, las empresas están considerando enfoques novedosos para mejorar la eficiencia operativa de sus productos. Para algunos productos, la alta confiabilidad en servicio puede ser un medio para garantizar la satisfacción del cliente. Para otros productos, el aumento de las garantías, o al menos la reducción de los costos de garantía, y la reducción de la responsabilidad debido a fallas del producto, son incentivos para que los fabricantes mejoren la confiabilidad en el campo y la disponibilidad operativa.

La electrónica es parte integral de la funcionalidad de la mayoría de los sistemas en la actualidad. y su confiabilidad es a menudo crítica para la confiabilidad del sistema. Ha aumentado el interés en monitorear el estado continuo de los productos electrónicos, ya sean componentes, sistemas o sistemas de sistemas, para proporcionar una advertencia anticipada de fallas y ayudar en la administración y la logística. Aquí, la salud se define como el grado de degradación o desviación de una condición normal esperada. El pronóstico es la predicción del estado de salud futuro en función de las condiciones de salud actuales e históricas. Este capítulo proporciona una comprensión básica de los pronósticos y el control de la salud de los productos y las técnicas que se están desarrollando para permitir el pronóstico de los productos electrónicos.

1.1 Fiabilidad y pronósticos

La confiabilidad es la capacidad de un producto para funcionar según lo previsto (es decir, sin fallas y dentro de los límites de desempeño especificados) durante un tiempo específico, en su entorno de ciclo de vida. Los métodos tradicionales de predicción de confiabilidad para productos electrónicos incluyen Mil-HDBK-217, 217-PLUS, Telcordia, PRISM y FIDES. Estos métodos se basan en la recopilación de datos de fallas y generalmente asumen que los componentes del sistema tienen tasas de fallas (la mayoría de las veces se asume que son constantes) que pueden ser modificadas por “modificadores” independientes para tener en cuenta diversas condiciones de calidad, operativas y ambientales. Existen numerosas preocupaciones bien documentadas con este tipo de enfoque de modelado. El consenso general es que estos manuales nunca deben usarse, porque son inexactos para predecir fallas reales en el campo y proporcionan predicciones muy engañosas, que pueden resultar en diseños y decisiones logísticas deficientes. En particular, un estudio reciente de la Academia Nacional de Ciencias recomendó que el uso de Mil-HDBK-217 y su progenie se considere desacreditado por ser inválido e inexacto: deben reemplazarse con métodos de física de falla (PoF) y con estimaciones basado en modelos validados.

El método manual tradicional para la predicción de confiabilidad de la electrónica comenzó con Mil-HDBK-217A, publicado en 1965. En este manual, solo había una tasa de falla de un solo punto para todos los circuitos integrados monolíticos (1C), independientemente de las tensiones. los materiales, o la arquitectura. Mil-HDBK-217B se publicó en 1973, con los modelos RCA / Boeing simplificados por la Fuerza Aérea de los EE. UU. Para seguir una distribución estadística exponencial (tasa de falla constante). Desde entonces, todas las actualizaciones fueron en su mayoría “curitas” para un enfoque de modelado que demostró ser defectuoso. En 1987-1990, el Centro de Ingeniería Avanzada del Ciclo de Vida (CALCE) de la Universidad de Maryland recibió un contrato para actualizar Mil-HDBK-217. Se concluyó que este manual debería cancelarse y desaconsejar el uso de este tipo de enfoque de modelado.

En 1998, la norma 1413 del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE), Metodología estándar de la TEEE para la predicción y evaluación de la fiabilidad de sistemas y equipos electrónicos, fue aprobada para proporcionar orientación sobre los elementos apropiados de una predicción de la fiabilidad. Una guía complementaria, JEEE 1413. 1, Guía LEEE para seleccionar y usar predicciones de confiabilidad basada en IEEE 1413, proporcionó información y una evaluación de los métodos comunes de predicción de confiabilidad para una aplicación dada. Se muestra que el Mil-HDBK-217 tiene fallas. También se analiza la ventaja de los métodos de predicción de confiabilidad que utilizan técnicas de PoF de estrés y daño.

El enfoque PoF y los métodos de diseño para la confiabilidad (DR) han sido desarrollados por CALCE con el apoyo de la industria, el gobierno y otras universidades. PoF es un enfoque que utiliza el conocimiento de los mecanismos de falla y carga del ciclo de vida de un producto para realizar el modelado, el diseño y la evaluación de la confiabilidad. El enfoque se basa en la identificación de posibles modos de falla, mecanismos de falla y sitios de falla para el producto en función de las condiciones de carga de su ciclo de vida. La tensión en cada sitio de falla se obtiene en función tanto de las condiciones de carga como de la geometría del producto y las propiedades del material. Luego, se utilizan modelos de daños para determinar la generación y propagación de fallas.

PoF es un método de pronóstico, pero no el único. El pronóstico y la gestión de la salud de los sistemas (PHM) es una disciplina multifacética para la evaluación de la degradación y confiabilidad de los productos. El propósito es proteger la integridad del producto y evitar problemas operativos imprevistos que conducen a deficiencias en el desempeño de la misión, degradación y efectos adversos en la seguridad de la misión. Más específicamente, el pronóstico es el proceso de predecir la vida útil restante (RUL) de un sistema mediante la estimación de la progresión de una falla dado el grado actual de degradación, el historial de carga y las condiciones operativas y ambientales futuras anticipadas. La gestión de la salud es el proceso de toma de decisiones e implementación de acciones basadas en la estimación del estado de salud derivada del monitoreo de la salud y el uso futuro esperado del producto.

En general, PHM consiste en detección, detección de anomalías, diagnóstico, pronóstico y apoyo a la toma de decisiones. La detección consiste en recopilar un historial de funcionamiento dependiente del tiempo de un producto, la degradación de materiales y / o las cargas ambientales en los componentes de un producto o el producto total.

El propósito principal de la detección de anomalías es identificar un comportamiento extraño, inusual o inesperado (anómalo) del producto mediante la identificación de desviaciones del comportamiento nominalmente saludable. Los resultados de la detección de anomalías pueden proporcionar advertencias avanzadas de fallas, a menudo denominadas precursores de fallas. Tenga en cuenta que las anomalías no necesariamente indican una falla porque los cambios en las condiciones operativas y ambientales pueden influir en los datos del sensor para mostrar un comportamiento anómalo. Sin embargo, incluso este tipo de información de anomalías es valiosa para la gestión del estado del producto, ya que puede indicar un uso inesperado.

Los diagnósticos permiten la extracción de información relacionada con fallas, como modos de falla, mecanismos de falla, cantidad de daño, etc., de los datos del sensor causados ​​por anomalías en la salud del producto. Esta es una pieza clave de información que se incorpora a la planificación y la logística del mantenimiento.

Los pronósticos se refieren a predecir el RUL de un producto dentro de los intervalos de confianza apropiados, lo que a menudo requiere información adicional que tradicionalmente no proporcionan los sensores, como el historial de mantenimiento, perfiles operativos pasados ​​y futuros y factores ambientales. Con base en las predicciones, el objetivo es informar a los responsables de la toma de decisiones sobre las posibles actividades para evitar costos y garantizar una operación segura. Es decir, los aspectos de PHM deben efectuar la toma de decisiones adecuada; para prevenir fallas catastróficas del sistema; aumentar la disponibilidad del sistema reduciendo el tiempo de inactividad; gastar ciclos de mantenimiento; para ejecutar acciones de reparación oportunas; para reducir los costos del ciclo de vida mediante reducciones en la inspección y reparación; y mejorar la calificación, el diseño y el apoyo logístico del sistema.

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?