Supervised Learning for Failure Detection in an Engine Generation Unit Leveraging Data Infrastructure, Feature Engineering and Monitoring through a Machine Learning Dashboard

Abstract

Detectar fallos en maquinaria industrial con alta precisión y exactitud es crucial para extender los ciclos de vida operativos y garantizar la fiabilidad del sistema. Esta investigación tiene como objetivo desarrollar e implementar el uso de modelos de Machine Learning supervisado con resultados probabilístico para predecir fallos en un generador eléctrico industrial de gran capacidad. El generador es un componente crítico en un campo remoto de extracción de petróleo y gas en Ecuador, que alimenta los subsistemas con la energía principal necesaria para garantizar la continuidad de la seguridad industrial y la producción...