Uso de una técnica de inteligencia artificial para identificación de la condición de una máquina rotativa afectada por desalineamiento

Abstract

El desalineamiento es una de las fallas mecánicas más frecuentes en máquinas rotativas, y puede generar un aumento significativo en los niveles de vibración, afectando el desempeño, la eficiencia energética y la vida útil del sistema. La detección temprana de esta condición es fundamental para prevenir fallos mecánicos y optimizar las estrategias de mantenimiento. Este trabajo presenta una metodología para la identificación del estado operativo de una máquina rotativa afectada por desalineamiento, utilizando técnicas de procesamiento de señales y clasificación supervisada. A partir de una base de datos retrospectiva de 18 registros experimentales obtenidos bajo distintas condiciones de operación, se aplicó una caracterización basada únicamente en cepstrum para extraer características relevantes de las señales de vibración. Para la etapa de clasificación se implementó el algoritmo de Análisis Discriminante Lineal (LDA), evaluando su capacidad para diferenciar entre condiciones normales y desalineadas. Los resultados obtenidos evidencian la viabilidad de esta combinación metodológica como herramienta para el diagnóstico temprano de desalineamiento en sistemas rotativos.