Page 126 - Acalán 121
P. 126
Acalán 121 30 Julio - Diciembre
El mantenimiento predictivo de sus siglas en tendiendo también en consideración el impacto
Ingles (PdM-Predictive Maintenance) surge que tiene el mantenimiento predictivo con el
debido a la falta de efectividad del mantenimiento correctivo que impacta en costos de reparación
preventivo, por lo que surge entre 1960 y 1970. El y deterioros del equipo más avanzados que se
enfoque del mantenimiento predictivo se basa en observan en la figura 2 (Sensores Inteligentes En
la supervisión de la condición actual del equipo a La Industria 4.0: Optimización de La Producción
través de sensores con el objetivo de realizar un Con Visión Artificial - Manufactura Noticias By
pronóstico preciso sobre la ocurrencia de fallas, Admin User - Blog Author, 2025.)
Figura 2. Mantenimiento preventivo contra correctivo, consecuencias económicas en el tiempo que se realice (Mantenimiento
Correctivo y Preventivo de Infraestructuras, 2025.)
Los sistemas de mantenimiento predictivo de problemas al incorporar algoritmos como
más modernos permiten obtener beneficios Random Forest y Support Vector Machines
económicos notables. Entre estos se encuentran: (SVM), los cuales permiten trabajar con grandes
un incremento del 51% en el tiempo de volúmenes de datos y múltiples variables.
disponibilidad, disminución del 11% en el costo
de mantenimiento y un retorno de la inversión El análisis de imágenes para encontrar fallas
superior a diez veces el costo de implementación. en estructuras ha mejorado mucho. Se usan
unas herramientas llamadas Redes Neuronales
El reconocimiento automático de problemas de Convolucionales de sus siglas en Ingles (CNN),
los sistemas de diagnóstico comenzó a utilizar que combinan con el uso de drones. Esto permite
más comúnmente IA y machine learning, junto revisar y detectar daños en lugares difíciles de
con su implementación en 2010. Además, a alcanzar sin tener que llegar físicamente como se
partir de estos años, se mejoraron las detecciones observa en la figura 3.
Figura 3. Una red neuronal que muestra las entradas, capas ocultas, y salidas (Deep Learning y Clasif cación de Imágenes - IDECOR,
2019).
UNIVERSIDAD AUTÓNOMA DEL CARMEN
