Estudio comparativo de clasificadores empleados en el diagnóstico de fallos de sistemas industriales // A comparative study of clasification methods used in the fault diagnosis of industrial systems

José Bernal-de Lázaro, Alberto Prieto-Moreno, Orestes Llanes-Santiago, Emilio García-Moreno

Resumen

En este artículo se presenta un estudio comparativo del desempeño de cuatro de las técnicas de
clasificación más usadas para el diagnóstico de fallos en procesos industriales. Dentro de las
técnicas seleccionadas se encuentran los clasificadores Vecinos más Cercanos (VMC), Mínimos
Cuadrados Parciales (MCP), Redes Neuronales Artificiales (RNA) y Máquinas de Soporte Vectorial
(MSV). El estudio comparativo se realiza con el objetivo de determinar las técnicas con mayor
capacidad para clasificar de forma correcta los patrones que identifican fallos en procesos
industriales a partir de los datos históricos provenientes de los mismos. Para el estudio se utilizaron
los datos obtenidos de la simulación del modelo del proceso industrial Tennessee Eastman. La
comparación permitió comprobar cómo la capacidad de generalización de las técnicas de
clasificación se incrementa con el aumento de la complejidad en los clasificadores sin que esto
implique necesariamente un mayor esfuerzo computacional en el diagnóstico.
Palabras claves: procesos industriales, diagnóstico de fallos, mantenimiento industrial, máquinas de
soporte vectorial, redes neuronales artificiales, mínimos cuadrados parciales, vecinos más cercanos.

_________________________________________________________________________

This paper, presents a comparative study of the performance of four classification techniques very
used in fault diagnosis of industrial processes. The selected techniques were: k-Nearest neighbor (k-
NN), Partial least-squares (PLS), Artificial Neuronal Networks (ANN) and Support Vector Machines
(SVM). The comparison is based in the classification capacity of the historical data and the
generalization using new observations. The four techniques are applied to historical data of the
known benchmark Tennessee Eastman industrial process. The comparison permitted to prove as the
generalization capacity of the classification techniques grow with the complexity of classifiers without
to increase the computational effort in the fault diagnosis.
Key words: industrial process, fault diagnosis, industrial maintenance, support vector machines, artificial
neural networks, partial least-squares, k-nearest neighbor method.

Texto completo:

PDF

Enlaces refback

  • No hay ningún enlace refback.