Pérez Zúñiga, Carlos GustavoInafuku Yoshida, Alberto Hiroshi2021-01-122021-01-1220202021-01-12http://hdl.handle.net/20.500.12404/17779El presente trabajo de tesis tiene como principal objetivo desarrollar el algoritmo de control de un robot móvil, el cual se desplazará por una planta industrial en busca de fallas en equipos críticos como son los motores y las bombas. Los motores y las bombas son componentes básicos y fundamentales para los procesos industriales, por lo tanto, es importante mantenerlos en óptimas condiciones con el fin de evitar paradas imprevistas, sobrecostos, y pérdidas de calidad y eficiencia del proceso. En muchos casos, los trabajos de mantenimiento implican medir la vibración de los equipos en lugares confinados o de difícil acceso y debido a que, en la actualidad, se debe velar por la seguridad y bienestar del personal, se propone utilizar un robot móvil para esta tarea. Por lo tanto, se propone diseñar e implementar un sistema de diagnóstico de fallas utilizando mediciones de vibración en conjunto con técnicas de Inteligencia Artificial para un robot móvil. Para lograr el objetivo propuesto, primero se estudian los componentes industriales de interés, resaltando las fallas más comunes y la normativa correspondiente para la clasificación de su condición. Seguidamente, se presentan las estrategias de mantenimiento existentes para su evaluación, resaltando las ventajas y desventajas de cada una, y se introducen los robots móviles como alternativa, teniendo como ejemplos casos reales en donde estos son importantes para realizar trabajos de búsqueda y rescate, en condiciones inaccesibles y peligrosas para las personas. Luego se presentan los algoritmos utilizados en el análisis vibracional, resaltando la Transformada de Hilbert Huang, la cual descompone las señales en Funciones de Modo Intrínseco, señales ortogonales entre sí, que describirán la vibración en función del tiempo y la frecuencia. Las Funciones de Modo Intrínseco serán las entradas a nuestra Red Neuronal Convolucional, una metodología de Aprendizaje Profundo e Inteligencia Artificial para entrenar un modelo que nos ayudará a diagnosticar el tipo de falla. Posteriormente, se proponen los algoritmos a implementar con Python, Keras y TensorFlow y se ponen a prueba con la base de datos de mediciones de vibración MAFAULDA. Finalmente se presentan los parámetros del diseño del robot móvil mencionando el hardware a utilizar y la metodología de medición, y se realiza una comparación de tiempos de procesamiento con una PC para pruebas y la NVIDIA Jetson Nano.spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Fallas del sistema (Ingeniería)Control remoto--AlgoritmosRobots móvilesinfo:eu-repo/semantics/masterThesishttp://purl.org/pe-repo/ocde/ford#2.00.00