Resumen

La predicción del tiempo de vida útil residual (RUL) juega un papel clave en la predicción de fallas y el manejo de la salud (PHM) en equipos. Con el objetivo de abordar los problemas de predicción de vida residual sin considerar de manera integral las diferencias multietapa e individuales en la degradación del rendimiento del equipo en la actualidad, exploramos un modelo de predicción que puede ajustarse a la degradación del rendimiento aleatorio multietapa. La modelización de la degradación se basa en el proceso aleatorio de Wiener. Además, de acuerdo con los datos de monitoreo de degradación del mismo lote de equipos, aplicamos el algoritmo de maximización de la esperanza (EM) para estimar la distribución previa del modelo. La distribución en tiempo real de la vida útil restante del equipo se obtiene al combinar la información previa de los datos de degradación en tiempo real y los datos históricos de monitoreo de degradación. La precisión del modelo propuesto se demuestra mediante el análisis de un caso práctico de capacitores

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Vida útil residual; Modelo de predicción; Degradación multietapa; Rendimiento del equipo; Datos de monitoreo de degradación; Maximización de la expectativa
• Keywords:Residual useful lifetime; Prediction model; Multistage degradation; Equipment performance; Degradation monitoring data; Expectation maximization