Sistema Automático de Mantenimiento Predictivo para Herramientas de Mecanizado mediante Entrenamiento Semi-Supervisado

Resumen

La monitorización del estado de la herramienta es fundamental para el mantenimiento predictivo en máquinas de mecanizado. Sin embargo, la ausencia de datos históricos etiquetados y el desbalanceo entre ciclos de funcionamiento dificultan la implementación de modelos supervisados. Este trabajo presenta un sistema inteligente con ajuste semi-supervisado para clasificar y etiquetar ciclos de mecanizado a partir de características estadísticas de la señal de par motor. El algoritmo reduce la dimensionalidad mediante el Análisis de Componentes Principales y emplea Modelos de Mezclas Gaussianas para identificar el comportamiento nominal. Posteriormente, aísla anomalías usando un índice de Novelty Score, genera datos sintéticos para balancear estas clases minoritarias y aplica un clasificador bayesiano final. Así, se obtiene un modelo listo para monitorización en producción o para etiquetar conjuntos de datos en la fase de entrenamiento de modelos. Los resultados demuestran la capacidad del algoritmo de agrupar y clasificar, así como la posibilidad de semi-supervisión que proporciona la modificación del umbral del Novelty Score.