Resumen de Transformación de árboles de fallas en redes bayesianas: : Optimización del mantenimiento en sistemas de ingeniería

Raúl Torres Sainz, Lidia María Pérez Vallejo, Carlos Alberto Trinchet Varela

• español

  El diagnóstico y pronóstico de fallos en la industria es crucial para evitar interrupciones no planificadas, optimizar la eficiencia y reducir los costos de mantenimiento. El uso de redes bayesianas, permiten una evaluación precisa y probabilística, mejorando la toma de decisiones y la planificación estratégica del mantenimiento. El objetivo de esta investigación radica en la presentación de una metodología detallada para la transformación precisa y sistemática de un árbol de fallos en una red bayesiana, con el objetivo de mejorar la capacidad de diagnóstico y pronóstico de fallos. Para lograr este objetivo confeccionó el árbol de fallas de un aerogenerador mediante los datos históricos y la consulta a expertos y con el método propuesto se transformó a una red bayesiana. Como resultados se plantean las principales ventajas de la red bayesiana con respecto al árbol de fallos y se obtienen los conjuntos y combinaciones de fallos más críticos para el sistema. La investigación concluye que la transformación permite una evaluación más precisa y detallada de los fallos en el aerogenerador. La red bayesiana considera las relaciones probabilísticas entre los eventos y permite obtener una estimación más precisa de la probabilidad de fallo, lo que facilita el diagnóstico. Como futuras investigaciones se propone la integración de la red bayesiana en sistemas de mantenimiento inteligente y sistemas de apoyo a la toma de decisiones. Esto permitirá la automatización de la planificación de mantenimiento y la optimización de los recursos de manera más efectiva.

• English

  Failure diagnosis and prognosis in industry is crucial to avoid unplanned outages, optimize efficiency and reduce maintenance costs. The use of Bayesian based networks allows an accurate and probabilistic evaluation, improving decision making and strategic maintenance planning. The objective of this research lies in the presentation of a detailed methodology for the accurate and systematic transformation of a fault tree into a Bayesian network, with the aim of improving the ability to diagnose and forecast failures. To achieve this objective, the fault tree of a wind turbine was constructed using historical data and expert consultation and transformed into a Bayesian network using the proposed method. As results, the main advantages of the Bayesian network with respect to the fault tree are presented and the most critical sets and combinations of faults for the system are obtained. The research concludes that the transformation allows a more accurate and detailed evaluation of the failures in the wind turbine. The Bayesian network considers the probabilistic relationships between events and allows obtaining a more accurate estimation of the failure probability, which facilitates the diagnosis. As future research, the integration of the Bayesian network in intelligent maintenance systems and decision support systems is proposed. This will allow the automation of maintenance planning and the optimization of resources in a more effective way.

• português

  O diagnóstico e a previsão de falhas na indústria são cruciais para evitar interrupções não planejadas, otimizar a eficiência e reduzir custos de manutenção. A utilização de redes bayesianas permite avaliação precisa e probabilística, melhorando a tomada de decisão e o planejamento estratégico de manutenção. O objetivo desta pesquisa reside na apresentação de uma metodologia detalhada para a transformação precisa e sistemática de uma árvore de falhas em uma rede Bayesiana, com o objetivo de melhorar a capacidade de diagnóstico e prognóstico de falhas. Para atingir este objetivo, a árvore de falhas de um aerogerador foi criada utilizando dados históricos e consultoria de especialistas e com o método proposto foi transformada em uma rede bayesiana. Como resultados são apresentadas as principais vantagens da rede Bayesiana em relação à árvore de falhas e obtidos os conjuntos e combinações de falhas mais críticas para o sistema. A pesquisa conclui que a transformação permite uma avaliação mais precisa e detalhada de falhas no aerogerador. A rede Bayesiana considera as relações probabilísticas entre eventos e permite obter uma estimativa mais precisa da probabilidade de falha, o que facilita o diagnóstico. Como pesquisas futuras, propõe-se a integração da rede bayesiana em sistemas inteligentes de manutenção e sistemas de apoio à decisão. Isto permitirá a automatização do planeamento da manutenção e a otimização dos recursos de forma mais eficaz.