Javier Fernandez Anakaberen tesi defentsa

Atzera

Javier Fernandez Anakaberen tesi defentsa

TESIA

Javier Fernandez Anakaberen tesi defentsa

Tesiaren izenburua: “An Attribute Oriented Induction based methodology to aid in Predictive Maintenance: Anomaly Detection, Root Cause Analysis and Remaining Useful Life”. SOBRESALIENTE kalifikazioa lortu du.

2020·02·28

$titulo.getData()


  • Tesiaren izenburua: “An Attribute Oriented Induction based methodology to aid in Predictive Maintenance: Anomaly Detection, Root Cause Analysis and Remaining Useful Life”.
  • Doktoretza programa: INGENIARITZA MEKANIKOAN ETA ENERGIA ELEKTRIKOAN DOKTOREGO PROGRAMA.
  • Tesi zuzendariak: Urko Zurutuza Ortega, Ekhi Zugasti.
  • Epaimahaia:
    • Mahaiburua: Olatz Arbelaitz Gallego (UPV-EHU)
    • Mahaikidea: Magda Ruiz Ordoñez (Universidad Politécnica de Cataluña)
    • Mahaikidea: Rosario Maria Basagoiti Astigarraga (Mondragon Unibertsitatea)
    • Mahaikidea: Urko Leturiondo Zubizarreta (IKERLAN, S. Coop.)
    • Idazkaria: Carlos Cernuda García (Mondragon Unibertsitatea)

Laburpena

Enpresei errendimendu hoberena eskaintzen dien mantentze metodologia Mantentze Prediktiboa da, denbora, ekipamenduen eraginkortasun, eta ekonomia alorretan. Azken urteetan eman diren teknologia aurrerapenei esker, makina eta sensoreetatiko datuen eskuraketa jada ez da erronka, eta manentenimendurako errekerimenduak betetzen laguntzeko analisi konplexuak egiteko erabili daitezke. Bestalde, alorreko jakintsuen ezagutza makinetatik eskuratzen den informazioarekin bateratu daiteke, gertakarien gaineko ulermena hobea izan dadin. Tesi honetan metodologia berri bat proposatzen da, Mantentze Prediktiboarekin lotura duten errekerimenduak betearazten dituena. Ondorengoak dira: (i) Anomalien Detekzioa (AD), (ii) Erro-Kausaren Analisia (RCA), eta (iii) Gainontzeko Bizitza Erabilgarriaren (RUL) estimazioa.

Errekerimendu hauen kalkulua burutzeko, ikasketa automatikoko hainbat algoritmo aurkitu daitezke literaturan. Tesi honetan Attribute Oriented Induction (AOI) algoritmoa erabili eta egokitu da Mantentze Prediktiboaren beharretara. AOI-k RCA estimatzeko ahalmena dauka, baina AD kalkulatzeko erabilia izan daiteke baita ere. Mantentze Prediktiboa aplikatzeko helburuarekin, AOI-rentzat aldaera bat proposatu da: Repetitive Weighted Attribute Oriented Induction (ReWAOI ). ReWAOI-k alorreko jakintsuen ezagutza eta makinetatik eskuratutako informazioa bateratzeko ahalmena dauka, makinen portaera deskribatu ahal izateko, eta horrela, Mantentze Prediktiboaren errekerimenduak betetzeko.

ReWAOI-ren erabileraren ondorioz, dimentsio bakarreko kuantifikazio funtzioa eskuratu daiteke hainbat dimentsiotako datuetatik. Funztio hau denboran zehar makinak duen higadurarekin erlazionatuta dago, eta beraz, AD eta RUL-aren estimazioak burutu daitezke. Horretaz gain, ReWAOI-k hutsegiteen erro-kausaren deskribapenak eskaintzeko ahalmena dauka.

Tesian proposatutako kontribuzioak hainbat erabilpen kasutan balioztatu dira, batzuk emulatuak, eta beste batzuk industria alorreko kasu errealak izanik.