Compartir
Título
Mantenimiento predictivo en motores de aviación mediante la utilización de metodologías de aprendizaje supervisado
Autor
Director/es
Facultad/Centro
Área de conocimiento
Titulación
- Máster Universitario en Ingeniería Aeronáutica
Cita Bibliográfica
Juan González, N. (2022). Mantenimiento predictivo en motores de aviación mediante la utilización de metodologías de aprendizaje supervisado. [Trabajo de fin de Máster, Universidad de León]
Fecha
2022-09
Resumen
[ES] El mantenimiento de motores de aviación es una tarea esencial en el sector aeronáutico, ya que estos suponen una gran inversión para las compañías aéreas. Por ello, es importante la realización de tareas de mantenimiento que aseguren largos ciclos de vida. Además, es fundamental realizar una correcta planificación de este mantenimiento para poder reducir sus costes asociados. En este trabajo se estudiarán las características del mantenimiento correctivo, preventivo y predictivo. Debido a las ventajas que presenta el mantenimiento predictivo, estudiaremos las diferentes metodologías que se utilizan en su implementación, donde el uso de algoritmos de Inteligencia Artificial, más concretamente de Aprendizaje Supervisado, está muy extendido. Por esta razón, se propone la utilización de algoritmos de Regresión Lineal, Random Forest y Redes Neuronales para la predicción del RUL de motores turbofan mediante la base de datos CMAPSS de la NASA. También se ha propuesto la creación de un modelo de la degradación sufrida en los sensores que miden las diferentes instancias de la base de datos. Este modelo se propone como un acercamiento a la realidad, ya que los datos encontrados en la base de datos son simulados. Tras aplicar este modelo se han entrenado los tres algoritmos, mediante el uso de lenguaje Python, y se han comparado las métricas con las obtenidas anteriormente, donde podemos observar que Random Forest proporciona los mejores resultados. Además se propone el estudio de los resultados obtenidos teniendo en cuenta el histórico de datos. Con todo ello se satisfacen los objetivos planteados para este Trabajo de Fin de Máster. [EN] he maintenance of aircraft engines is an essential task in the aviation sector, as they represent a large investment for airlines. For this reason, it is important to carry out maintenance tasks that ensure long life cycles. Moreover, it is essential to carry out a correct planning of this maintenance in order to reduce the associated costs. In this work, the characteristics of corrective, preventive and predictive maintenance will be studied. Due to the advantages of predictive maintenance, we will study the different methodologies used in its implementation, where the use of Artificial Intelligence algorithms, more specifically Supervised Learning, is very widespread. For this reason, we propose the use of Linear Regression, Random Forest and Neural Networks algorithms for the prediction of the RUL of turbofan engines using the NASA CMAPSS database. The creation of a model of the degradation suffered by the sensors measuring the different instances of the database has also been proposed. This model is proposed as an approximation to reality, since the data found in the database are simulated. After applying this model, the three algorithms have been trained, using Python language, and the metrics have been compared with those obtained previously, where we can see that Random Forest provides the best results. In addition, a study of the results obtained is proposed, taking into account the historical data. With all this, the objectives set out for this Master's Thesis have been met.
Materia
Palabras clave
URI
Aparece en las colecciones
Ficheros en el ítem
Nombre:
Tamaño:
4.056
xmlui.dri2xhtml.METS-1.0.size-megabytes
Formato:
Adobe PDF
Descripción:
Trabajo de Fin de Máster