Sistema de diagnóstico de motor diesel marino basado en modelo termodinámico y de inteligencia artificial

Resumen

Resumen de la tesis: EL MOTOR DIÉSEL ES UN EQUIPO UTILIZADO AMPLIAMENTE EN EL SECTOR NAVAL TANTO COMO PROPULSOR COMO GRUPO AUXILIAR, SIENDO EL EQUIPO MÁS CRÍTICO DE LA PLATAFORMA. POR LO TANTO LA OPTIMIZACIÓN DE SU EFICIENCIA Y FIABILIDAD TIENEN UN IMPACTO TRASCENDENTAL EN LA DISPONIBILIDAD, SEGURIDAD Y EN EL COSTE DEL CICLO DE VIDA. PARA OPTIMIZAR LA EFICIENCIA Y LA FIABILIDAD, ES NECESARIO DISPONER DE UN SISTEMA QUE SEA CAPAZ DE CONOCER EL ESTADO DEL MOTOR, ASÍ COMO DETECTAR Y DIAGNOSTICAR FALLOS. UN SISTEMA DE ESTE TIPO, APORTA LA INFORMACIÓN NECESARIA QUE PERMITE TOMAR LAS DECISIONES MÁS ADECUADAS TANTO DE OPERACIÓN COMO DE MANTENIMIENTO, PARA CORREGIR LA FORMA DE OPERAR EL MOTOR SEGÚN CONDICIONES (AJUSTE MECÁNICO/ELECTRÓNICO), EJECUTAR ACCIONES DE MANTENIMIENTO ADECUADAS QUE NO PUDIERAN ESTAR PREVISTAS O ALARGAR LOS PERIODOS DE MANTENIMIENTO PREVENTIVO POR NO SER NECESARIO SEGÚN ESTADO DEL MOTOR. LA MEJORA PRINCIPAL EN OPERATIVIDAD SERÍA LA REDUCCIÓN DEL CONSUMO DE COMBUSTIBLE, MIENTRAS QUE LA MEJORA EN FIABILIDAD TENDRÍA UN IMPACTO POSITIVO EN TRES ASPECTOS, LA DISPONIBILIDAD DEL BUQUE, EL COSTE EN MANTENIMIENTO Y POSIBLES EFECTOS MEDIOAMBIENTALES O PERSONALES QUE PUEDAN DERIVAR DE UNA AVERÍA. LA LITERATURA CIENTÍFICA SOBRE SISTEMAS INTEGRADOS DE MONITORIZACIÓN, DIAGNOSIS Y PROGNOSIS DE FALLOS EN VEHÍCULOS PARA MINIMIZAR EL COSTE DEL CICLO DE VIDA Y MAXIMIZAR LA FIABILIDAD Y DISPONIBILIDAD UTILIZA COMO SISTEMA CONCEPTUAL MÁS COMPLETO EL “INTEGRATED VEHICLE HEALTH MANAGEMENT SYSTEM (IVHMS)”, O EN CASTELLANO, SISTEMA INTEGRADO DE GESTIÓN DE LA SALUD PARA VEHÍCULOS. EN ESTE TIPO DE SISTEMAS, EL MÓDULO DE DIAGNOSIS ES UNO DE LOS ELEMENTOS ESENCIALES. LA HERRAMIENTA DE DIAGNOSIS / PROGNOSIS PUEDE ESTAR BASADA EN UN MODELO FÍSICO DEL EQUIPO O EN UN MODELO BASADO EN DATOS HISTÓRICOS, CONSTRUIDO MEDIANTE MÉTODOS ESTADÍSTICOS O COMPUTACIONALES, ESTOS ÚLTIMOS DENOMINADOS COMO MODELOS DE “ARTIFICIAL INTELLIGENCE (AI)”, INTELIGENCIA ARTIFICIAL. EN ESTE TRABAJO SE REALIZA UN EXHAUSTIVO ESTUDIO DEL ESTADO DEL ARTE “STATE OF THE ART (SOA)” SOBRE DIAGNÓSTICO DE MOTOR DIÉSEL, EN EL QUE SE ANALIZAN LOS TIPOS DE TÉCNICAS ACTUALES Y SE SELECCIONA LA MÁS IDÓNEA PARA UN MOTOR DIÉSEL MARINO, RESULTANDO SER UNA COMBINACIÓN ENTRE MODELO DE INTELIGENCIA ARTIFICIAL Y MODELO FÍSICO TERMODINÁMICO DEL MOTOR. A PARTIR DEL RESULTADO DEL ESTUDIO DEL SOA, SE DESARROLLA UN NUEVO SISTEMA DE DIAGNOSIS COMPUESTO POR UN SUBSISTEMA DE DETECCIÓN BASADO EN INTELIGENCIA ARTIFICIAL Y UNA BASE DE DATOS DE FALLOS COMPLETA DEL MOTOR. EL SUBSISTEMA DE DETECCIÓN COMBINA ALGORITMOS DE CLASIFICACIÓN DE COMPORTAMIENTOS Y DE DETECCIÓN DE ANOMALÍAS BASADAS EN UNA COMBINACIÓN DE PERTENENCIA A LOS COMPORTAMIENTOS APRENDIDOS Y DENSIDAD DE LOS COMPORTAMIENTOS VECINOS DE UN FALLO POTENCIAL. LA BASE DE DATOS DE FALLOS SE REALIZA MEDIANTE UN “FAILURE MODE AND EFFECT CRITICALITY ANALYSIS (FMECA)”, ANÁLISIS DE MODOS DE FALLO, CRITICIDADES Y EFECTOS. EL FMECA SE REALIZA SIGUIENDO LA METODOLOGÍA DE “RELIABILITY CENTRED MAINTENANCE (RCM)”, MANTENIMIENTO BASADO EN LA CONFIABILIDAD. LA BASE DE DATOS OBTENIDA ES OPTIMIZADA MEDIANTE UN ANÁLISIS DEL COMPORTAMIENTO DEL MOTOR ANTE FALLOS OBTENIDO EN UN SIMULADOR DE FALLOS DEL MOTOR BASADO EN UN MODELO TERMODINÁMICO UNIDIMENSIONAL. EL MODELO ESTÁ CREADO EN AVLBOOST©, Y ESTÁ AJUSTADO Y VALIDADO CON DATOS EXPERIMENTALES MEDIDOS Y REGISTRADOS EN UN MOTOR REAL EN BANCO DE PRUEBAS. TANTO EL SUBSISTEMA DE DETECCIÓN DE FALLOS COMO EL DE DIAGNOSIS SON VALIDADOS CON DATOS REALES DEL MOTOR EN BUQUE, OBTENIENDO RESULTADOS SATISFACTORIOS. EL SUBSISTEMA DE DETECCIÓN OBTIENE RESULTADOS DE PRECISIÓN, SENSIBILIDAD Y ESPECIFICIDAD GLOBALMENTE SUPERIORES AL 93%. MIENTRAS QUE LA BASE DE DATOS DE FALLOS, OPTIMIZADA CON EL MODELO DEL MOTOR, ES CAPAZ DE DIAGNOSTICAR E IDENTIFICAR LOS FALLOS CON MUCHA MAYOR PRECISIÓN QUE UNA BASE DE DATOS TRADICIONAL BASADA SOLAMENTE EN UN ANÁLISIS FMECA. http://repositorio.bib.upct.es/dspace/