Desarrollo de un sistema de detección multifalla para rodamientos

Vista sencilla de ítem
dc.contributor.advisorMaradey Lázaro, Jessica Gissella
dc.contributor.apolounabMaradey Lázaro, Jessica Gissella [jessica-gissella-maradey-lazaro-2]spa
dc.contributor.authorAlario Echavarría, Eduardo Javier
dc.contributor.cvlacMaradey Lázaro, Jessica Gissella [0000040553]spa
dc.contributor.linkedinMaradey Lázaro, Jessica Gissella [jessica-gissella-maradey-lazaro-b7831445]spa
dc.contributor.orcidMaradey Lázaro, Jessica Gissella [000-0003-2319-1965]spa
dc.contributor.researchgateMaradey Lázaro, Jessica Gissella [Jessica_Maradey_Lazaro]spa
dc.contributor.scopusMaradey Lázaro, Jessica Gissella [57207878442]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2025-08-21T14:04:35Z
dc.date.available2025-08-21T14:04:35Z
dc.date.issued2025-06-18
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractEl presente trabajo aborda el desarrollo de un sistema de detección multifalla para rodamientos en maquinaria rotativa. Se construirán tres kits de prueba que representan diferentes condiciones: normal, desalineamiento/desbalanceo y daño en la jaula. La captura de señales de vibración se realizará mediante sensores conectados a una tarjeta de adquisición de datos, y los datos obtenidos serán procesados en una interfaz desarrollada en MATLAB. Para la clasificación de fallas, se implementará un algoritmo basado en redes neuronales, optimizando el diagnóstico y facilitando el mantenimiento predictivo. Además, este sistema servirá como una herramienta pedagógica para la formación en monitoreo de condición y gestión de mantenimiento en la industria.spa
dc.description.abstractenglishThis work focuses on the development of a multi-fault detection system for bearings in rotating machinery. Three test kits will be built to represent different conditions: normal operation, misalignment/imbalance, and cage damage. Vibration signal acquisition will be carried out using sensors connected to a data acquisition card, and the collected data will be processed in an interface developed in MATLAB. For fault classification, a neural network-based algorithm will be implemented, optimizing diagnostics and facilitating predictive maintenance. Additionally, this system will serve as an educational tool for training in condition monitoring and maintenance management in the industry.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/30931
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.publisher.programidIMK-1789
dc.relation.referencesH. Gao, L. Liang, X. Chen, y G. Xu, «Feature extraction and recognition for rolling element bearing fault utilizing short-time fourier transform and non-negative matrix factorization», Chinese Journal of Mechanical Engineering (English Edition), vol. 28, n.o 1, pp. 96-105, ene. 2015, doi: 10.3901/CJME.2014.1103.166.spa
dc.relation.referencesO. Janssens et al., «Convolutional Neural Network Based Fault Detection for Rotating Machinery», J Sound Vib, vol. 377, pp. 331-345, sep. 2016, doi: 10.1016/j.jsv.2016.05.027.spa
dc.relation.referencesY. Xie y T. Zhang, «Fault Diagnosis for Rotating Machinery Based on Convolutional Neural Network and Empirical Mode Decomposition», Shock and Vibration, vol. 2017, 2017, doi: 10.1155/2017/3084197.spa
dc.relation.referencesN. Upadhyay y P. K. Kankar, «Diagnosis of bearing defects using tunable Q-wavelet transform», Journal of Mechanical Science and Technology, vol. 32, n.o 2, pp. 549-558, feb. 2018, doi: 10.1007/s12206-018-0102-8.spa
dc.relation.referencesC. Malla y I. Panigrahi, «Review of Condition Monitoring of Rolling Element Bearing Using Vibration Analysis and Other Techniques», Journal of Vibration Engineering and Technologies, vol. 7, n.o 4, pp. 407-414, ago. 2019, doi: 10.1007/s42417-019-00119-y.spa
dc.relation.referencesZ. Chen, A. Mauricio, W. Li, y K. Gryllias, «A deep learning method for bearing fault diagnosis based on Cyclic Spectral Coherence and Convolutional Neural Networks», Mech Syst Signal Process, vol. 140, jun. 2020, doi: 10.1016/j.ymssp.2020.106683.spa
dc.relation.referencesC. T. Alexakos, Y. L. Karnavas, M. Drakaki, y I. A. Tziafettas, «A Combined Short Time Fourier Transform and Image Classification Transformer Model for Rolling Element Bearings Fault Diagnosis in Electric Motors», Mach Learn Knowl Extr, vol. 3, n.o 1, pp. 228-242, mar. 2021, doi: 10.3390/make3010011.spa
dc.relation.referencesS. M. Tayyab, S. Chatterton, y P. Pennacchi, «Intelligent Defect Diagnosis of Rolling Element Bearings under Variable Operating Conditions Using Convolutional Neural Network and Order Maps», Sensors, vol. 22, n.o 5, mar. 2022, doi: 10.3390/s22052026.spa
dc.relation.referencesL. C. Brito, G. A. Susto, J. N. Brito, y M. A. V. Duarte, «Fault Diagnosis using eXplainable AI: A transfer learning-based approach for rotating machinery exploiting augmented synthetic data», Expert Syst Appl, vol. 232, dic. 2023, doi: 10.1016/j.eswa.2023.120860.spa
dc.relation.referencesJ. G. M. Lázaro, C. A. F. González, y G. A. O. Silva, «Design for Manufacturing and Assembly (DFMA) of a Test Bench to Simulate Mechanical Vibrations in Rotating Equipment», ASME International Mechanical Engineering Congress and Exposition, Proceedings (IMECE), vol. 4B-2017, ene. 2018, doi: 10.1115/IMECE2017-70892.spa
dc.relation.referencesJ. Blanco y Melgarejo Carlos, «DISEÑO Y MONTAJE DE UN BANCO DE PRUEBAS PARA DETECCIÓN Y CLASIFICACIÓN DE FALLAS EN RODAMIENTOS DE BOLA PARA MÁQUINAS ROTATIVAS», UNIVERSIDAD AUTONOMA DE BICARAMANGA, BUCARAMANGA, 2021.spa
dc.relation.referencesM. Delgado, «Diseño y Construcción de kits de prueba para diagnosticar fallas en engranajes de máquinas rotativas», Universidad Autónoma de Bucaramanga, Bucaramanga, 2020.spa
dc.relation.referencesK. Mendoza y A. Jaimes, «DISEÑO Y CONSTRUCCIÓN DE UN BANCO DE PRUEBAS MULTIFALLA PARA DIAGNOSTICO OFF-LINE EN MAQUINARIA ROTATIVA KAREN DARITZA MENDOZA CALDERÓN», UNIVERSIDAD AUTONOMA DE BUCARAMANGA, Bucaramanga, 2021.spa
dc.relation.referencesM. Pico, «DISEÑO Y CONSTRUCCIÓN DE UN BANCO DE PRUEBAS PARA EL ANALISIS DE VIBRACIONES TORSIONALES», Universidad Autónoma de Bucaramanga, Bucaramanga, 2021.spa
dc.relation.references«Rodamientos | SKF | SKF». Accedido: 14 de mayo de 2025. [En línea]. Disponible en: https://www.skf.com/co/products/rolling-bearings.spa
dc.relation.references«¿Cuál es la estructura del rodamiento? La función de la estructura y sus componentes en la reducción de la fricción / Curiosidades sobre rodamientos». Accedido: 14 de mayo de 2025. [En línea]. Disponible en: https://koyo-jtekt-co-jp.translate.goog/en/bearing-column/bearing_trivia_1st_series/bearing_trivia_1st_series_03.html?_x_tr_sl=en&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=tc.spa
dc.relation.references«FFT». Accedido: 1 de junio de 2025. [En línea]. Disponible en: https://www.nti-audio.com/es/servicio/conocimientos/transformacion-rapida-de-fourier-fft.spa
dc.relation.references«Defectos típicos en rodamientos y su identificación espectral | Power-MI». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://power-mi.com/es/content/defectos-t%C3%ADpicos-en-rodamientos-y-su-identificaci%C3%B3n-espectral.spa
dc.relation.references] «Ventana de Hamming | PDF | Análisis matemático | Enseñanza de matemática». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://es.scribd.com/document/451445077/VENTANA-DE-HAMMING-docx?utm_source=chatgpt.com.spa
dc.relation.references«Entender la ventana de Hanning: una guía práctica para principiantes – Wray Castle». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://wraycastle.com/es/blogs/knowledge-base/hanning-window?srsltid=AfmBOorUf36HQr2ocf0YFfQQqFXogEaSiPsHT5v1yJSV4rjFteCsp889&utm_source=chatgpt.com.spa
dc.relation.referencesF. Izaurieta, «Redes Neuronales Artificiales», Departamento de Fısica, Universidad de Concepcion, …, Accedido: 6 de junio de 2025. [En línea]. Disponible en: https://www.academia.edu/750527/Redes_Neuronales_Artificiales.spa
dc.relation.referencesF. Lubinus Badillo, C. A. Rueda Hernández, B. Marconi Narváez, y Y. E. Arias Trillos, «Redes neuronales convolucionales: un modelo de Deep Learning en imágenes diagnósticas. Revisión de tema», Revista colombiana de radiología, vol. 32, n.o 3, pp. 5591-5599, sep. 2021, doi: 10.53903/01212095.161.spa
dc.relation.references«¿Qué son las redes neuronales convolucionales? | IBM». Accedido: 6 de junio de 2025. [En línea]. Disponible en: https://www.ibm.com/es-es/think/topics/convolutional-neural-networks.spa
dc.relation.references«Cross-Spectral Density: Essential Key Concepts in Frequency Analysis». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://www.numberanalytics.com/blog/cross-spectral-density-fundamentals.spa
dc.relation.references«What is the Cross Spectral Density (CSD)? - Vibration Research». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://vibrationresearch.com/blog/what-is-cross-spectral-density-csd/.spa
dc.relation.references] R. B. Randall y J. Antoni, «Rolling element bearing diagnostics—A tutorial», Mech Syst Signal Process, vol. 25, n.o 2, pp. 485-520, feb. 2011, doi: 10.1016/J.YMSSP.2010.07.017.spa
dc.relation.references«¿Qué es la densidad espectral de potencia (PSD)? - Vibración aleatoria». Accedido: 5 de junio de 2025. [En línea]. Disponible en: https://vru.vibrationresearch.com/lesson/what-is-the-psd/.spa
dc.relation.referencesSKF, «Daño de rodamiento y análisis de fallas», feb. 2017.spa
dc.relation.referencesC. Quintero, F. Merchán, A. Cornejo, y J. S. Galán, «Uso de Redes Neuronales Convolucionales para el Reconocimiento Automático de Imágenes de Macroinvertebrados para el Biomonitoreo Participativo», KnE Engineering, vol. 3, n.o 1, p. 585, feb. 2018, doi: 10.18502/keg.v3i1.1462.spa
dc.relation.references«¿Qué es un Rodamiento? | NSK Americas». Accedido: 11 de mayo de 2025. [En línea]. Disponible en: https://www.nsk.com/am-es/tools-resources/technical-services/training/whats-a-bearing/.spa
dc.relation.references«Vista de Clasificador neuronal de fallos en rodamientos utilizando entradas basadas en transformadas wavelet packet y de Fourier». Accedido: 11 de mayo de 2025. [En línea]. Disponible en: https://revistas.udea.edu.co/index.php/ingenieria/article/view/16316/14140.spa
dc.relation.references«Vista de Diagnóstico de fallas tempranas de rodamientos en mecanismos susceptibles al desbalanceo y a la desalineación | Revista UIS Ingenierías». Accedido: 11 de mayo de 2025. [En línea]. Disponible en: https://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/9032/9120.spa
dc.relation.referencesT. Ince et al., «Early Bearing Fault Diagnosis of Rotating Machinery by 1D Self-Organized Operational Neural Networks», IEEE Access, vol. 9, pp. 139260-139270, 2021, doi: 10.1109/ACCESS.2021.3117603.spa
dc.relation.referencesZ. Jia, Z. Liu, C. M. Vong, y M. Pecht, «A Rotating Machinery Fault Diagnosis Method Based on Feature Learning of Thermal Images», IEEE Access, vol. 7, pp. 12348-12359, 2019, doi: 10.1109/ACCESS.2019.2893331.spa
dc.relation.referencesW. Zhao, C. Hua, D. Dong, y H. Ouyang, «A novel method for identifying crack and shaft misalignment faults in rotor systems under noisy environments based on CNN», Sensors (Switzerland), vol. 19, n.o 23, dic. 2019, doi: 10.3390/s19235158.spa
dc.relation.referencesA. Choudhary, T. Mian, S. Fatima, y B. K. Panigrahi, «Passive Thermography Based Bearing Fault Diagnosis Using Transfer Learning With Varying Working Conditions», IEEE Sens J, vol. 23, n.o 5, pp. 4628-4637, mar. 2023, doi: 10.1109/JSEN.2022.3164430.spa
dc.relation.referencesD. Neupane, Y. Kim, y J. Seok, «Bearing Fault Detection Using Scalogram and Switchable Normalization-Based CNN (SN-CNN)», IEEE Access, vol. 9, pp. 88151-88166, 2021, doi: 10.1109/ACCESS.2021.3089698.spa
dc.relation.referencesX. Hao, Y. Zheng, L. Lu, y H. Pan, «Research on intelligent fault diagnosis of rolling bearing based on improved deep residual network», Applied Sciences (Switzerland), vol. 11, n.o 22, nov. 2021, doi: 10.3390/app112210889.spa
dc.relation.referencesL. Xin, S. Haidong, J. Hongkai, y X. Jiawei, «Modified Gaussian convolutional deep belief network and infrared thermal imaging for intelligent fault diagnosis of rotor-bearing system under time-varying speeds», Struct Health Monit, vol. 21, n.o 2, pp. 339-353, mar. 2022, doi: 10.1177/1475921721998957.spa
dc.relation.referencesA. Dibaj, M. M. Ettefagh, R. Hassannejad, y M. B. Ehghaghi, «A hybrid fine-tuned VMD and CNN scheme for untrained compound fault diagnosis of rotating machinery with unequal-severity faults», Expert Syst Appl, vol. 167, abr. 2021, doi: 10.1016/j.eswa.2020.114094.spa
dc.relation.referencesS. G. Kumbhar y E. Sudhagar P, «An integrated approach of Adaptive Neuro-Fuzzy Inference System and dimension theory for diagnosis of rolling element bearing», Measurement (Lond), vol. 166, dic. 2020, doi: 10.1016/j.measurement.2020.108266.spa
dc.relation.referencesW. Li, Z. Zhu, F. Jiang, G. Zhou, y G. Chen, «Fault diagnosis of rotating machinery with a novel statistical feature extraction and evaluation method», Mech Syst Signal Process, vol. 50-51, pp. 414-426, 2015, doi: 10.1016/j.ymssp.2014.05.034.spa
dc.relation.uriapolohttps://apolo.unab.edu.co/en/persons/jessica-gissella-maradey-lazaro-2spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMechatronicspa
dc.subject.keywordsBearing fault detectionspa
dc.subject.keywordsVibration analysisspa
dc.subject.keywordsCage wear detectionspa
dc.subject.keywordsNeural networksspa
dc.subject.keywordsMachine learningspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsRotating machineryspa
dc.subject.keywordsRolling element bearingsspa
dc.subject.keywordsMechanical failure analysisspa
dc.subject.keywordsTheory of machinesspa
dc.subject.keywordsComputational algorithmsspa
dc.subject.keywordsAutomationspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsIntelligent agents (Computer software)spa
dc.subject.keywordsBearings (Machinery)spa
dc.subject.lembMecatrónicaspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.lembAlgoritmos computacionalesspa
dc.subject.lembAutomatizaciónspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembAgentes inteligentes (Software para computadores)spa
dc.subject.lembRodamientos (Maquinaria)spa
dc.subject.proposalDetección de fallas en rodamientosspa
dc.subject.proposalAnálisis de vibracionesspa
dc.subject.proposalDetección de desgaste en la jaulaspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalAprendizaje automáticospa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalMaquinaria rotativaspa
dc.subject.proposalRodamientos de elementos rodantesspa
dc.subject.proposalAnálisis de fallas mecánicasspa
dc.titleDesarrollo de un sistema de detección multifalla para rodamientosspa
dc.title.translatedDevelopment of a Multi-Fault Detection System for Bearingsspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
B. 2025_Tesis_Eduardo_Alario.pdf
Tamaño:
11.03 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
Licencia.pdf
Tamaño:
498.37 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Mecatrónica