Resumen

El modelo de Markov tiene la capacidad de inferir eventos aleatorios cuya probabilidad depende de eventos previos. Basándose en esta teoría, el modelo de Markov oculto sirve como una extensión del modelo de Markov para presentar un evento a partir de observaciones en lugar de estados en el modelo de Markov. Además, debido a aplicaciones exitosas en reconocimiento de voz, atrae mucha atención en el diagnóstico de fallas en máquinas. Este artículo presenta dos arquitecturas para la evaluación de degradación del rendimiento de máquinas, las cuales pueden ser utilizadas para minimizar el tiempo de inactividad de la máquina, reducir pérdidas económicas y mejorar la productividad. La diferencia principal entre las dos arquitecturas es si hay datos históricos disponibles para construir modelos de Markov ocultos. En estudios de caso, se utilizan datos de rodamientos y datos históricos disponibles para demostrar la efectividad de la primera arquitectura. Luego, se emplean datos de toda la vida útil de una caja de cambios sin datos históricos para demostrar

• Materias:Control de vibraciones Seguridad industrial Vibración de rodamientos Dinámica no lineal Vibración dinámica
• Subjects:Vibration control Industrial safety Bearing vibration Nonlinear dynamics Dynamic vibration
• Palabras claves:Modelo de Markov; Modelo oculto de Markov; Reconocimiento de voz; Diagnóstico de fallos de máquinas; Tiempo de inactividad de máquinas; Evaluación de degradación del rendimiento
• Keywords:Markov model; Hidden markov model; Speech recognition; Machine fault diagnosis; Machine downtime; Performance degradation assessment