Revista de ingeniería informática y tecnología de la información

Mantenimiento predictivo de fallas relacionadas con vibraciones en la industria de semiconductores

Kevin Curran y Robert King

El mantenimiento predictivo ha demostrado ser un método de gestión de mantenimiento rentable para equipos críticos en muchos sectores verticales. La industria de semiconductores también podría beneficiarse. La mayoría de las plantas de fabricación de semiconductores están equipadas con amplios sensores de diagnóstico y control de calidad que podrían usarse para monitorear el estado de los activos y, en última instancia, mitigar el tiempo de inactividad no programado al identificar las causas fundamentales de los problemas mecánicos de manera temprana, antes de que puedan convertirse en fallas mecánicas. El aprendizaje automático es el proceso de construcción de un modelo científico después de descubrir conocimiento a partir de un conjunto de datos. Es el proceso de cálculo complejo de reconocimiento automático de patrones y toma de decisiones inteligente basada en datos de muestra de entrenamiento. El algoritmo de aprendizaje automático puede recopilar datos sobre una situación a través de sensores o entrada humana y comparar esta información con los datos almacenados y decidir qué significa la información. Presentamos aquí los resultados de la aplicación del aprendizaje automático a un conjunto de datos de mantenimiento predictivo para identificar futuras fallas relacionadas con la vibración. Los resultados de las fallas futuras predichas actúan como una ayuda para los ingenieros en su proceso de toma de decisiones con respecto al mantenimiento de activos.