Detección de anomalías en máquinas de corte con láser mediante redes neuronales y procesamiento de señales

• Ortiz, Luis ^[1] ; Guasque, Ana ^[1] ; Balbastre, Patricia ^[1] ; Simo, Jose ^[1]
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Títulos paralelos:
  • Anomaly detection on laser cutting machines using neural networks and signal processing
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se propone la evaluación de diferentes técnicas de procesamiento de información, obtenida mediante instrumentación, con el objetivo de la detección de anomalías de funcionamiento mecánico. Como punto de partida se usan datos obtenidos mediante el muestreo de un acelerómetro montado en un pórtico XYZ cuyo movimiento está controlado con motores paso a paso. A los datos obtenidos por la instrumentación se aplicarán técnicas de procesamiento digital, y redes neuronales para determinar la posibilidad de predicción en la aparición de funcionamientos anómalos en la máquina. Para la evaluación experimental de las técnicas de procesamiento de información se inyectarán diferentes tipos de fallos bajo diferentes escenarios de funcionamiento. Los resultados obtenidos se comparan cuantitativa y cualitativamente, evaluando la eficacia de cada enfoque. Las conclusiones derivadas de este trabajo contribuirán al avance en la detección temprana de anomalías en máquinas de corte con láser, brindando aplicaciones prácticas para el mantenimiento predictivo y la mejora de la eficiencia operativa.

  • English

    In this work we propose the evaluation of different information processing techniques, obtained by means of instrumentation, with the objective of detecting anomalies in mechanical operation. As a starting point, data obtained by sampling an accelerometer mounted on an XYZ gantry whose movement is controlled by stepper motors will be used. Digital processing techniques and neural networks will be applied to the data obtained by the instrumentation to determine the possibility of predicting the occurrence of anomalous operation in the machine. For the experimental evaluation of the information processing techniques, different types of faults (high and low frequency noise and pitching) will be injected under different operating scenarios. The results obtained will be compared quantitatively and qualitatively, evaluating the effectiveness of each approach. The conclusions derived from this work will contribute to the advancement in the early detection of anomalies in laser cutting machines, providing practical applications for predictive maintenance and improvement of operational efficiency.