DIAGNÓSTICO DE FALLAS INTERMITENTES EN SISTEMAS AUTOMÁTICOS DE MANUFACTURA USANDO MACHINE LEARNING (DIAGNOSIS OF INTERMITTENT FAILURES IN AUTOMATIC MANUFACTURING SYSTEMS USING MACHINE LEARNING)

Resumen

Resumen
En este trabajo, se proponen modelos de clasificación para el diagnóstico de fallas intermitentes en sistemas automatizados de manufactura, usando un enfoque de Machine Learning. Se implementaron varios modelos de aprendizaje automático como: Máquinas de Vector Soporte (SVM), Árboles de Decisión, Métodos de ensamble (Adaboost y RandomForest) y Redes Neuronales en Python. Se creó un escenario en el simulador de Factory I/O, así diseñar el sistema de manufactura y poder hacer la recolección de los datos del simulador. Para determinar el mejor modelo de clasificación se validaron los algoritmos con los datos de nuestro escenario.
Palabras clave: Aprendizaje Máquina, Diagnóstico de Fallas, Factory I/O, Fallas Intermitentes, Industria 4.0.

Abstract
In this work, classification models are proposed for the diagnosis of intermittent failures in automated manufacturing systems, using a Machine Learning approach. Several machine learning models were implemented such as: Support Vector Machines (SVM), Decisión Trees, Assembly Methods (Adaboost and randomForest) and Neural Networks in Python. A scenario was created in the Factory I/O simulator, in order to design the manufacturing system and be able to collect the simulator data. To determine the best classification model, the algorithms were validated with the data from our scenario.
Keywords: Factory I/O, Failures Diagnosis, Industry 4.0, Intermittent Failures and Machine Learning.