Sistema de detección predictiva de fallas en una cortadora láser mediante el algoritmo de Regresión Logística, Red Neuronal Perceptrón Multicapa y Árbol de Decisión.

Abstract

En la industria actual, con el ascenso de la automatización, la inteligencia artificial ha cambiado la forma de gestionar el mantenimiento, mejorando la operación de los equipos de precisión como el cortador láser. Estos dispositivos necesarios en la elaboración de productos en diversas fábricas como la metalmecánica, la automotriz, elaboración de mobiliario así como también la producción de componentes electrónicos. Su habilidad para efectuar cortes precisos en los materiales como metales, plásticos, madera ha mejorado la eficacia de la producción. Pero debido al uso continuo, la falta de planes de mantenimiento produce fallas inesperadas en componentes importantes, como los motores de paso a paso, los espejos ópticos, los ventiladores de enfriamiento, impactando a la productividad ocasionando costos elevados por reparaciones y tiempos de inactividad (Tezanos, 2019).

Contar con la operación continua del cortador láser es fundamental para un trabajo óptimo de producción en las fábricas. En la actualidad, las empresas realizan estrategias de mantenimiento correctivo o preventivo programado, las mismas que no garantizan las interrupciones no planificadas. En este ámbito, diseñar un sistema predictivo basado en algoritmos de inteligencia artificial facilitara anticiparse a las fallas, ofreciendo un diagnóstico temprano de anomalías, brindando una intervención oportuna. Usando técnicas como Regresión Logística, Redes Neuronales y Árboles de Decisión, facilita la identificación de patrones en variables operativas tales como temperatura y humedad, mejorando la gestión del mantenimiento (Tezanos, 2019).