José Antonio Pagán, colegiado del COIIRM, premio a la mejor tesis doctoral otorgado por la AEM

PREMIADO POR EL USO DE INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN DE FALLOS EN MOTORES

Nuestro compañero, José Antonio Pagán, ha sido premiado por la Asociación Española de Manteniemiento (AEM) por la mejor tesis doctoral, centrada en el empleo de la inteligencia artificial para detectar problemas en los motores marinos, en los premios Ph.D. Thesis Award del 2017.

Su tesis doctoral, “Sistema de diagnóstico de motor diésel marino basado en modelo termodinámico y de inteligencia artificial”, ha demostrado la fiabilidad de incorporar un sistema híbrido basado en la inteligencia artificial y una base de datos de fallos en los motores diésel marinos para detectar problemas antes de que el fallo sea suficientemente grave.

El jurado de la Asociación Española de Mantenimiento ha destacado “el alto nivel técnico y calidad de los trabajos presentados, reflejando el rigor, seriedad y dedicación de autores y directores en los mismos”. Por ello, ha transmitido al director de la tesis, Francisco Vera, del área de Máquinas y Motores Térmicos, que “ha sido muy difícil tomar una decisión unánime para otorgar el premio definitivo”.

Nuestro compañero, José Antonio Pagán, estudió Ingeniería Industrial en la UPCT y en la actualidad se dedica profesionalmente al ámbito de la Ingeniería de Manteniemiento de Navantia en Cartagena, donde es responsable del desarrollo de Argo 21, un nuevo producto de mantenimiento inteligente que consiste en una plataforma software para predecir fallos en los buques construidos por Navantia.

Todo esto no solo pone de manifiesto la necesidad de incorporar las nuevas tecnologías a los procesos industriales, sino también el papel que los Ingenieros Industriales tenemos en la sociedad.

¡ENHORABUENA COMPAÑERO!

El doctor José Antonio Pagán, colegiado del COIIRM, presenta una tesis que demuestra la fiabilidad de incorporar un sistema de inteligencia artificial y una base de datos de fallos a motores de buques para detectar problemas

“El doctor por la Universidad Politécnica de Cartagena, (UPCT), José Antonio Pagán, ha demostrado con su tesis ‘Sistema de diagnóstico de motor diésel marino basado en modelo termodinámico y de Inteligencia artificial’ la fiabilidad de incorporar sistema híbrido basado en la inteligencia artificial y una base de datos de fallos a los motores diésel de los buques para detectar problemas antes de que el fallo sea lo suficientemente grave.

La tesis de la Escuela de Industriales, dirigida por el profesor Francisco Vera, destaca que el módulo de diagnosis es uno de los elementos esenciales en los 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. Según añade el doctor por la UPCT, la herramienta de diagnosis y prognosis del motor 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 inteligencia artificial.

Él mismo advierte que 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.

Para ello él ha incluido una base de datos de fallos, que se ha realizado mediante un análisis de modos de fallo, criticidades y efectos. Éste 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 se han validado 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”, añade.

La tesis doctoral ha obtenido la calificación de sobresaliente cum laude.”

Fuente: Cadenaser.com