Resumen:
En este trabajo de tesis se presenta el diseño de un sistema de mantenimiento
predictivo de motores eléctricos para establecer las condiciones de operación y
acciones recomendadas de mantenimiento basado en la predicción de datos mediante
aprendizaje automático supervisado.
El sistema es diseñado e implementado en un servidor en la nube del cual se podrá
acceder desde diferentes dispositivos que se encuentren conectados a internet y que
pertenezcan a la misma red del servidor.
La parte principal de este trabajo consiste en el desarrollo de un sistema de
clasificación de indicadores de estados de condición de motores eléctricos de
inducción basado en el entrenamiento de un modelo predictivo, el cual se puede
acceder mediante una interfaz de monitoreo para realizar una revisión de los datos
históricos, análisis de tendencias, diagnóstico y reporte de mantenimiento de los
motores.
Los resultados demuestran que el sistema de monitoreo de mantenimiento predictivo
cumple con los objetivos planteados resaltando su accesibilidad remota y su intuitiva
navegación por las diferentes interfaces.
