Propuesta de metodología para el diagnóstico de fallos basado en árboles de decisión y lógica difusa.

• Autores: Amanda Martí Coll, Adrian Milberberg Rodríguez, David Manresa Gutiérrez, Alberto Prieto Moreno, Orestes Llanes Santiago
• Localización: Revista Científica de Ingeniería Electrónica, Automática y Comunicaciones, ISSN-e 0258-5944, ISSN 1815-5928, Vol. 43, Nº. 2, 2022
• Idioma: español
• Títulos paralelos:
  • Methodology proposal for fault diagnosis based on decision trees and fuzzy logic
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los árboles de decisión difusos son técnicas usadas para el diagnóstico de fallos de sistemas industriales. Entre sus ventajas se encuentran la sencillez y facilidad de interpretación. Sin embargo, la mayoría de los métodos para su inducción requieren pasar por la tediosa tarea de clasificar todas las observaciones que conformen la base de datos de entrenamiento del árbol de fallo. Incluso, aquellos métodos que no necesiten de esta etapa, definitivamente demandan la obtención de un gran conjunto datos que contenga el comportamiento del sistema para cada fallo que se espera diagnosticar. Esta última característica es algo que no siempre es fácil de lograr, pues implica sacar al proceso de su operación normal. La presente investigación tiene como objetivo  presentar una propuesta de metodología para el diagnóstico de fallos en la industria basado en árboles de decisión y lógica difusa que dé una solución al problema planteado. Esta nueva metodología aprovecha las capacidades brindadas por la lógica difusa para el manejo de la incertidumbre del conocimiento aportado por los expertos del proceso. Además, hace la contribución de ofrecer un método para evitar la necesidad de contar con una gran base de datos de entrenamiento durante el proceso de desarrollo del diagnosticador, lo que implicará el uso de una tabla de síntomas de fallos. La efectividad de la metodología se analiza en un caso real, específicamente en el diagnóstico de fallos de un proceso de tratamiento de agua para inyección de la industria farmacéutica.

  • English

    Fuzzy decision trees are techniques used for fault diagnosis of industrial systems. Its advantages include simplicity and ease of interpretation. However, most of the methods for its induction require going through the tedious task of classifying all the observations that compose the fault tree training database. Even those methods that do not require this stage definitely require obtaining a large data set that contains the behavior of the system for each fault that is expected to be diagnosed. This last characteristic is not always easy to achieve, since it implies taking the process out of its normal operation. Then, the present investigation has the objective of presenting a proposal of methodology for fault diagnosis in industries based on decision trees and fuzzy logic. This new methodology takes advantage of the capabilities provided by fuzzy logic to manage the uncertainty of the knowledge provided by the process experts. In addition, it makes the contribution of offering a method to avoid the need of having a large training database during the process of development of the fault diagnosis system, which will imply the use of a fault symptom table. The effectiveness of the methodology is analyzed in a real case, specifically in the fault diagnosis of a water treatment process for injection in the pharmaceutical industry.