Desarrollo de un sistema de mantenimiento predictivo basado en aprendizaje automático, normalización ISO y estimación de vida útil (RUL)

Abstract

El presente trabajo de titulación tiene como objetivo el desarrollo y evaluación de un sistema de mantenimiento predictivo aplicado a equipos industriales críticos, basado en técnicas de aprendizaje automático, monitoreo de condición y normalización ISO. La propuesta integra el análisis continuo de variables operacionales relevantes, tales como vibración, temperatura y presencia de partículas metálicas, junto con el análisis de tendencias y la estimación de la vida útil remanente (RUL), con el fin de anticipar fallas y apoyar la toma de decisiones en mantenimiento. La metodología empleada contempla la definición de un escenario de operación actual y un escenario propuesto, considerando la implementación del sistema en dos equipos críticos de características similares. Se desarrollan modelos supervisados de aprendizaje automático para la predicción de fallas, complementados con un motor de reglas basado en normas ISO, y se implementa un panel de visualización que permite interpretar el estado de los equipos de forma clara y comprensible para el personal de mantenimiento. Adicionalmente, se realiza una evaluación económica del sistema propuesto, comparando los costos asociados al mantenimiento tradicional con los beneficios derivados de la reducción de fallas no planificadas, horas de detención y pérdidas productivas. Los resultados obtenidos indican que la implementación del sistema de mantenimiento predictivo es económicamente viable, presentando un período de recuperación de la inversión reducido, un Valor Actual Neto positivo y un Retorno sobre la Inversión favorable en un horizonte de evaluación de cinco años. Finalmente, se concluye que el sistema propuesto constituye una herramienta efectiva para mejorar la confiabilidad operacional y la planificación del mantenimiento en entornos industriales, destacando su carácter escalable y su potencial aplicación a un mayor número de equipos críticos.