Trabajo de Investigación para optar el Título Profesional en Ingenierías o Biomédicas, 2019-2
João Manuel Portela Gama; Fredy Guzman Condori Quispe; Ernesto Mauro Suarez López
Objetivo
Diseñar un modelo que permita predecir fallas a partir de datos CAN-BUS en camiones.
Resumen:
En la industria automotriz hay una necesidad de detección temprana de fallas del componente y toma importancia cada vez mas, esto implica interrupción de trabajo, tiempo de inactividad y costos asociados, en esta investigación se usará técnicas de Machine Learning. Machine Learning es una forma de inteligencia artificial que aprende de los datos en lugar de datos programados y conforme se tiene mas datos de entrenamiento es posible producir modelos mas precisos. El objetivo de esta investigación es desarrollar un modelo predictivo con técnicas de Machine Learning, haciendo uso de los datos son obtenidos a partir del CAN-BUS del vehículo, cuya tarea es clasificar los posibles fallas o averías del componente del motor, el uso de esta técnica será capaz de aprender patrones a partir de los datos históricos de CAN-BUS del vehículo.
Palabras clave
Machine Learning, CAN-BUS, vehículos, mantenimiento predictivo, auto aprendizaje, UNSA, Arequipa.
Problema central
En el sur del Perú específicamente en la región de Arequipa operan varios compañías mineras y el transporte logístico con vehículos es imprescindible en sus operaciones, sin embargo los mantenimientos tienen un alto costo en tiempo y dinero debido a las averías o fallos en los componentes del motor del vehículo, esto por la imposibilidad de detección temprana de fallos en dichos motores, ya que no existe actualmente en Arequipa un modelo o sistema en uso para evitar este problema. La solución a esto es diseñar un modelo que pueda predecir fallos o averías a partir de los datos históricos del CAN-BUS del vehículo usando técnicas de Machine Learning, esta técnica es capaz de identificar patrones de entre los datos para luego predecir y así anticiparse a las fallas de componentes del motor del vehículo.
Hipótesis planteada
Es posible construir un modelo basado en datos a partir de datos CAN-BUS de unidades vehiculares para la detección de fallos o averías usando técnicas de Machine Learning.
Resultados esperados
(01) artículo científico publicado en revista indizada en la base Scopus o Web of Science, con filiación del investigador y co-asesor UNSA, a la Universidad Nacional de San Agustín de Arequipa. El asesor co-autor Dr. Joao Manuel, Portela Gama, afiliará a su entidad Universidad de Porto
(01) Profesionales titulados como Ingenieros de Sistemas, con la opción: tesis formato artículo.
(01) Ponencia internacional para difundir los resultados del proyecto.
Impactos esperados
IMPACTO ECONOMICO: mejoramiento de calidad de servicio de mantenimiento, incremento de productividad, recuperación de inversión y acceso a nuevos mercados con la aplicación de esta investigación.
IMPACTO EN CIENCIA Y TECNOLOGIA: se propondrá un modelo de predicción de fallas con uso de Machine Learning, la cual será una nueva tecnología como modelo que se desarrollará para detección temprana de mantenimientos en componentes de motores de vehículos.