Predicción de Fallas en Máquinas: Aplicación de Modelos de Inteligencia Artificial para Clasificación Supervisados en Base a Datos de Sensores

Abstract

Este artículo presenta un conjunto de datos de sensores de máquinas para predecir fallas anticipadas mediante modelos de inteligencia artificial, como KNN, Random Forest, SVM, XGBoost y redes neuronales. La metodología se basa en la recopilación de datos sobre nueve factores clave, como temperatura, calidad del aire, corriente, voltaje y RPM, etc. Los modelos de IA se utilizan para clasificar los datos y predecir fallas. La evaluación de los modelos se realiza mediante la matriz de confusión y el reporte de clasificación, analizando métricas como precisión, recall, F1-score y exactitud. Los resultados muestran que los modelos son efectivos para predecir fallas, con un alto rendimiento en la clasificación de fallas y no fallas. Estos hallazgos aportan al mantenimiento predictivo y sirven como base para futuras investigaciones, mejorando la fiabilidad y eficiencia en la gestión de máquinas.