Evaluación de técnicas para la detección de anomalías de funcionamiento mecánico mediante el procesamiento de la información suministrada por sensores de aceleración.

Abstract

[ES] En este trabajo se propone la evaluación de diferentes técnicas de procesamiento de información, obtenida mediante instrumentación, con el objetivo de la detección de anomalías de funcionamiento mecánico. Como punto de partida se usarán datos obtenidos mediante el muestro de un acelerómetro montado en un pórtico XYZ cuyo movimiento está controlado con motores paso a paso. A los datos obtenidos por la instrumentación se aplicarán técnicas de procesamiento digital, Big Data y redes neuronales para determinar la posibilidad de predicción en la aparición de funcionamientos anómalos en la máquina. Para la evauación experimental de las técnicas de procesamiento de información se inyectarán diferentes tipos de fallos (ruido de alta y baja frecuencia y cabeceos) bajo diferentes escenarios de funcionamiento.

[EN] In this work, the evaluation of different information processing techniques obtained through instrumentation is proposed, aiming at the detection of mechanical malfunction anomalies. As a starting point, data obtained by sampling an accelerometer mounted on an XYZ gantry, whose motion is controlled by stepper motors, will be used. Digital processing, Big Data, and neural network techniques will be applied to the instrumentation data to determine the possibility of predicting abnormal machine behaviors. For the experimental evaluation of information processing techniques, various types of faults (high and low-frequency noise, and tilting) will be injected under different operating scenarios. The obtained results will be quantitatively and qualitatively compared, assessing the effectiveness of each approach. The conclusions derived from this work will contribute to the advancement in early detection of anomalies in laser cutting machines, providing practical applications for predictive maintenance and improving operational efficiency.