Result of the query

We have obtained 1 Results of your query.


Code: 03-020

Place: Sala-2

Day: 2019-07-11

Hour: 09:45  h.

Area: 03-3 Ingeniería de Producto, Procesos y Diseño Industrial

Filiation: (1) Grupo de investigación TEP 022 Área de Proyectos de Ingeniería. Departamento de Ingeniería del Diseño. Escuela Politécnica Superior. Universidad de Sevilla, (2) Grupo de investigación TEP 022 Área de Proyectos de Ingeniería. Departamento de Ingenierí

Speaker: MANUEL GUERRERO CANO
Author: GUERRERO CANO, MANUEL (1); Luque Sendra, Amalia (2); Lama Ruiz, Juan Ramón (2); Córdoba Roldán, Antonio (2)


Título:
Mantenimiento predictivo mediante técnicas de machine learning
Tittle:
Predictive maintenance using machine learning techniques


Resumen:

El objeto de la presente investigación es innovar en el diseño de producto para el sector del transporte introduciendo en las etapas tempranas de diseño y desarrollo del producto un enfoque neurocientifico. Para ello se desarrollará una metodología compacta que integre en el proceso de diseño la capacidad de motivar emocionalmente al usuario y crear un vínculo afectivo en la experiencia de uso entre el objeto de diseño y el usuario. En la propuesta metodológica se considerará la dimensión enactiva del usuario, es decir, se analizará como poder modelar y filtrar la percepción cognitiva y las respuestas procesadas del usuario según su realidad subjetiva en la que se integran las vivencias propias, costumbres y experiencias (affordances). Para ello se hace necesario integrar en la metodología de diseño la neurousabilidad enactiva. Con el objetivo de conseguir adaptar emocionalmente los requerimientos subjetivos del usuario y profundizar en el vínculo afectivo entre usuario-producto El resultado esperado será poder diseñar y desarrollar un vínculo emotivo afectivo entre el objeto de diseño, el vehículo, para crear experiencias de uso placenteras y satisfactorias que transcenderían más allá de la función de transporte

Abstract:

Industrial maintenance is a field of engineering with a high impact on costs and manufacturing times for industrial products. This work is part of the work areas of diagnosis and maintenance of industrial processes and explores techniques of detection of incipient anomalies based on automatic learning. The predictive maintenance aims to predict failures in the machinery, so that repairs can be scheduled without interrupting the production process. It consists of an analysis of the operation of the equipment to detect warning signs that indicate that one of its parts is not working in the correct way. The cost of predictive maintenance is less than that of the corrective, due to the expenses generated by the repair of equipment and downtime due to production stoppage. Information technologies are giving rise to a new revolution that is called industry 4.0. One of the fields of application is in the improvement of maintenance. By using process and product data, machine learning techniques could be applied to determine when failures can occur. In this paper, supervised and unsupervised learning techniques (parametric and nonparametric) will be explored and their usefulness for their application in predictive maintenance will be discussed.